Los científicos la Facultad de Medicina de la Universidad de Harvard (Estados Unidos) han diseñado una herramienta de inteligencia artificial que puede descifrar rápidamente el ADN de un tumor cerebral para determinar su identidad molecular durante la cirugía, una información crítica que, con el enfoque actual, puede tardar unos días y hasta unas semanas, según publican en la revista 'Med'.
Conocer el tipo molecular de un tumor permite a los neurocirujanos tomar decisiones, como cuánto tejido cerebral extirpar y si es necesario administrar fármacos antitumorales directamente en el cerebro, mientras el paciente está todavía en la mesa de operaciones.
Un diagnóstico molecular preciso, que detalla las alteraciones del ADN en una célula, durante la intervención puede ayudar al neurocirujano a decidir cuánto tejido cerebral extirpar. Extirpar demasiado cuando el tumor es menos agresivo puede afectar a la función neurológica y cognitiva del paciente. Del mismo modo, extirpar demasiado poco cuando el tumor es muy agresivo puede dejar tejido maligno que puede crecer y extenderse rápidamente.
"La capacidad de determinar el diagnóstico molecular intraoperatorio en tiempo real, durante la intervención quirúrgica, puede impulsar el desarrollo de la oncología de precisión en tiempo real"
"En la actualidad, ni siquiera la práctica clínica más avanzada puede perfilar molecularmente los tumores durante la cirugía. Nuestra herramienta supera este reto extrayendo señales biomédicas hasta ahora desaprovechadas de portaobjetos de patología congelados", afirma Kun-Hsing Yu, autor principal del estudio y profesor adjunto de informática biomédica en el Instituto Blavatnik del HMS.
Conocer la identidad molecular de un tumor durante la intervención quirúrgica también es valioso porque algunos tumores se benefician de un tratamiento in situ con obleas recubiertas de fármacos que se colocan directamente en el cerebro en el momento de la operación, explica Yu. "La capacidad de determinar el diagnóstico molecular intraoperatorio en tiempo real, durante la intervención quirúrgica, puede impulsar el desarrollo de la oncología de precisión en tiempo real", añade.
El método estándar de diagnóstico intraoperatorio utilizado actualmente consiste en tomar tejido cerebral, congelarlo y examinarlo al microscopio. Uno de los principales inconvenientes es que la congelación del tejido tiende a alterar el aspecto de las células al microscopio y puede interferir en la precisión de la evaluación clínica. Además, el ojo humano, incluso cuando utiliza microscopios potentes, no puede detectar con fiabilidad variaciones genómicas sutiles en un portaobjetos.
La herramienta, denominada CHARM (Cryosection Histopathology Assessment and Review Machine), está a disposición gratuita de otros investigadores. Según el equipo de investigadores, aún debe validarse clínicamente mediante pruebas en entornos reales y obtener el visto bueno de la FDA antes de implantarse en los hospitales.
Los recientes avances en genómica han permitido a los patólogos diferenciar las firmas moleculares, y los comportamientos que tales firmas presagian, entre varios tipos de cáncer cerebral, así como dentro de tipos específicos de cáncer cerebral. Por ejemplo, el glioma, el tumor cerebral más agresivo y la forma más común de cáncer cerebral, tiene tres subvariantes principales que portan marcadores moleculares diferentes y tienen distintas propensiones al crecimiento y la diseminación.
La capacidad de la nueva herramienta para acelerar el diagnóstico molecular podría ser especialmente valiosa en zonas con acceso limitado a la tecnología necesaria para realizar una secuenciación genética rápida del cáncer.
Más allá de las decisiones que se tomen durante la cirugía, el conocimiento del tipo molecular de un tumor proporciona pistas sobre su agresividad, comportamiento y probable respuesta a diversos tratamientos. Este conocimiento puede orientar las decisiones postoperatorias.
Además, la nueva herramienta permite realizar diagnósticos durante la intervención en consonancia con el sistema de clasificación actualizado recientemente por la Organización Mundial de la Salud para diagnosticar y clasificar la gravedad de los gliomas, que exige que dichos diagnósticos se basen en el perfil genómico del tumor.
La herramienta distinguió tumores con mutaciones moleculares específicas con una precisión del 93% y clasificó con éxito tres tipos principales de gliomas con características moleculares distinta
CHARM se desarrolló utilizando 2.334 muestras de tumores cerebrales de 1.524 personas con glioma procedentes de tres poblaciones de pacientes diferentes. Cuando se probó con un conjunto de muestras cerebrales nunca antes visto, la herramienta distinguió tumores con mutaciones moleculares específicas con una precisión del 93% y clasificó con éxito tres tipos principales de gliomas con características moleculares distintas que conllevan pronósticos diferentes y responden de forma distinta a los tratamientos.
Yendo un paso más allá, la herramienta captó con éxito las características visuales del tejido que rodea a las células malignas. Fue capaz de detectar zonas reveladoras con mayor densidad celular y más muerte celular dentro de las muestras, señales ambas de tipos de glioma más agresivos.
La herramienta también fue capaz de identificar alteraciones moleculares clínicamente importantes en un subconjunto de gliomas de bajo grado, un subtipo de glioma menos agresivo y, por tanto, con menos probabilidades de invadir el tejido circundante. Cada uno de estos cambios también indica una propensión diferente al crecimiento, la diseminación y la respuesta al tratamiento.
La herramienta conectó además el aspecto de las células, la forma de sus núcleos, la presencia de edema alrededor de las células, con el perfil molecular del tumor. Esto significa que el algoritmo puede determinar con precisión la relación entre el aspecto de una célula y el tipo molecular de un tumor. Esta capacidad de evaluar el contexto más amplio que rodea a la imagen hace que el modelo sea más preciso y se acerque más a la forma en que un patólogo humano evaluaría visualmente una muestra tumoral, afirma Yu.
Los investigadores añaden que, aunque el modelo se entrenó y probó con muestras de glioma, podría reentrenarse con éxito para identificar otros subtipos de cáncer cerebral. Ya han diseñado modelos de IA para perfilar otros tipos de cáncer (colon, pulmón, mama), pero los gliomas siguen siendo especialmente difíciles debido a su complejidad molecular y a la enorme variación en la forma y el aspecto de las células tumorales.
Según Yu, la herramienta CHARM tendría que reentrenarse periódicamente para reflejar las nuevas clasificaciones de enfermedades a medida que surjan de nuevos conocimientos. "Al igual que los clínicos humanos, que deben participar en una educación y formación continuas, las herramientas de IA deben mantenerse al día de los últimos conocimientos para seguir rindiendo al máximo", concluye.