Un estudio ha demostrado la eficacia de una nueva e innovadora técnica de 'machine learning' para analizar la presencia de células tumorales circulantes raras (CTC) en la sangre. El método arroja una precisión global del 88,6% en las muestras de sangre de los pacientes, y del 97% en las células cultivadas.
La metástasis, el desarrollo de un tumor en un sitio secundario, es responsable de la mayoría de las muertes relacionadas con el cáncer. Ocurre cuando el sitio del tumor primario desprende células cancerosas que luego circulan por el cuerpo a través de los vasos sanguíneos o los ganglios linfáticos. Estas se convierten en semillas para el eventual crecimiento del tumor en un lugar secundario del cuerpo.
La detección de estas células tan raras, conocidas como células tumorales circulantes o CTC, es importante para el pronóstico temprano de una enfermedad grave, así como para controlar la eficacia del tratamiento. Actualmente, solo hay un método para la detección de CTC aprobado, 'CellSearch', que se utiliza para diagnosticar el cáncer de mama, colorrectal y próstata.
“Este estudio demuestra que nuestro métodopuede lograr una gran precisión en la identificación de CTC”
Los resultados de este nuevo estudio, publicado en la revista 'Scientific Reports', demuestran el potencial de un nuevo método de detección de células tumorales circulantes. A diferencia de los métodos existentes, que se basan en un proceso costoso y lento que implica el etiquetado de los anticuerpos con fluorescencia, esta técnica utiliza un poderoso método de detección sin etiqueta. La técnica aplica un algoritmo de aprendizaje automático a las imágenes de microscopía de campo brillante de las células detectadas en muestras de sangre de pacientes que contienen glóbulos blancos y CTC.
Esta innovadora técnica para aislar células cancerosas raras circulantes en un tubo de sangre representa "un enfoque más simple, elegante y rentable para monitorear a los pacientes en terapias como la inmunoterapia y la terapia dirigida para el cáncer a nivel de las células circulantes en lugar de exploraciones como las tomografías axiales computarizadas, que buscan 100 millones o más de células organizadas en un tumor de un centímetro", explican los autores.
"Este estudio, aunque pequeño, demuestra que nuestro método puede lograr una gran precisión en la identificación de CTC poco comunes sin necesidad de dispositivos avanzados o usuarios expertos, proporcionando así una forma más rápida y sencilla de contar e identificar CTC. Con más datos disponibles en el futuro, el modelo de aprendizaje de la máquina puede mejorarse aún más y servir como una herramienta precisa y fácil de usar para el análisis de CTC", concluyen.