La inteligencia artificial logra predecir la genética de tumores cerebrales en menos de 90 segundos

Un equipo de neurocirujanos e ingenieros del Michigan Medicine de la Universidad de Michigan, en colaboración con investigadores de la Universidad de Nueva York, la Universidad de California, San Francisco y otros, han desarrollado un sistema de detección de diagnóstico basado en inteligencia artificial que permite detectar mutaciones genéticas en tumores cerebrales cancerosos en menos de 90 segundos.

Ha sido posible gracias a un sistema de detección de diagnóstico basado en IA, llamado DeepGlioma, que utiliza imágenes rápidas para analizar muestras de tumores que han sido tomadas durante una operación, siendo capaz de detectar mutaciones genéticas de forma más rápida que hasta ahora. Según los investigadores, podría ser posible incluso optimizar el diagnóstico y el tratamiento de los gliomas.

Para el estudio, publicado en la revista Nature Medicine, se ha contado con la participación de 150 pacientes con glioma difuso, el tumor cerebral primario más común y mortal. Así, este sistema, recientemente desarrollado, fue capaz de identificar mutaciones utilizadas por la Organización Mundial de la Salud (OMS) "para definir subgrupos moleculares de la afección con una precisión promedio superior al 90%", según indican en una nota. 

En este sentido, el Dr. Todd Hollonel, autor principal y creador de DeepGlioma, explicaba que "esta herramienta basada en IA tiene el potencial de mejorar el acceso y la velocidad del diagnóstico y la atención de pacientes con tumores cerebrales mortales". 

"La clasificación molecular es cada vez más central para el diagnóstico y el tratamiento de los gliomas, ya que los beneficios y los riesgos de la cirugía varían entre los pacientes con tumores cerebrales según su composición genética. De hecho, los pacientes con un tipo específico de glioma difuso llamado astrocitoma pueden ganar un promedio de cinco años con la extirpación completa del tumor en comparación con otros subtipos de glioma difuso", señalan los investigadores en el estudio. 

El problema es que el acceso a las pruebas moleculares para este glioma difuso es "limitado", además, "no está disponible de manera uniforme en los centros que tratan a pacientes con tumores cerebrales", y cuando lo está, "el tiempo de entrega de los resultados puede llevar días, incluso semanas", explica Hollon. 

"Las barreras para el diagnóstico molecular pueden resultar en una atención subóptima para pacientes con tumores cerebrales, lo que complica la toma de decisiones quirúrgicas y la selección de regímenes de quimiorradiación", asegura el investigador, quien explica que, antes de DeepGlioma, los cirujanos no tenían un método para diferenciar los gliomas difusos durante la cirugía. 

Por su parte, DeepGlioma, un sistema que comenzó en 2019, combina redes neuronales profundas con un método de imagen óptica conocido como histología Raman estimulada, desarrollado también en la Universidad de Michigan, y que permite obtener las imágenes del tejido del tumor cerebral en tiempo real. 

Según Hollon, "DeepGlioma crea una vía para una identificación precisa y más oportuna que brindaría a los proveedores una mejor oportunidad para definir tratamientos y predecir el pronóstico del paciente". 

Las opciones de tratamiento para aquellos pacientes con glioma difuso son limitadas, "incluso con un tratamiento estándar óptimo", señalan los investigadores, que indican que el tiempo medio de supervivencia de estos pacientes con gliomas difusos malignos es de tan solo 18 meses. 

En este sentido, el desarrollo de medicamentos para tratar los tumores es "esencial", sin embargo, explican que "menos del 10% de los pacientes con glioma se inscriben en ensayos clínicos, lo que a menudo limita la participación por subgrupos moleculares". Es por ello que esperan que el sistema DeepGlioma "pueda ser un catalizador para la inscripción temprana en el ensayo". 

Daniel Orringer, autor principal del estudio y profesor asociado de neurocirugía y patología en la Escuela de Medicina Grossman de la NYU, quien desarrolló la histología Raman estimulada, explica que "el progreso en el tratamiento de los tumores cerebrales más mortales ha sido limitado en las últimas décadas, en parte porque ha sido difícil identificar a los pacientes que se beneficiarían más de las terapias dirigidas". 

"Los métodos rápidos para la clasificación molecular son muy prometedores para repensar el diseño de ensayos clínicos y brindar nuevas terapias a los pacientes", concluye. 

En España, el número de cánceres diagnosticados en 2023 se espera que alcance los 279.260 casos, según las estimaciones del informe Las cifras del cáncer en España 2023, realizado por la Sociedad Española de Oncología Médica (SEOM). Esta cifra pone de manifiesto una estabilización del cómputo total con respecto al año anterior (279.260), aunque los expertos de SEOM advertían de que hay que tener en cuenta que la realidad "puede ser ligeramente diferente, ya que esta estimación no incluye aún el posible efecto de la pandemia de la Covid-19".