Un algoritmo que selecciona terapias personalizadas contra o mieloma múltiple

Investigadores do IDIS e o Clínico de Santiago publican un traballo que supón un importante salto no tratamento deste tipo de cancro de medula

Sonia González e Adrián Mosquera, dous dos autores da investigación. Foto: IDIS.
Sonia González e Adrián Mosquera, dous dos autores da investigación. Foto: IDIS.

O mieloma múltiple é un dos cancros máis caros e difíciles de tratar. Baséase no crecemento anormal de células plasmáticas na medula osea que desencadea un funcionamento anormal do sistema inmunolóxico é múltiples complicacións. Polo seu curso segue sendo, en moitos casos, unha enfermidade incurable cunha evolución clínica heteroxénea que leva a utilizar diversos tratamentos. Nos últimos anos desenvolvéronse avances importantes que permiten abordar mellor a doenza, pero a a estratificación do risco e a selección inicial do tratamento aínda se basean en datos clínicos con resultados que están lonxe de ser óptimos.

Mais científicos do Instituto de Investigación Sanitaria de Santiago (IDIS) e o Hospital Clínico Universitario da cidade están a dar pasos prometedores, como expón un artigo publicado na revista Leukemia, do grupo Nature: o equipo de Hematoloxía do CHUS acaba de descubrir un algoritmo de Intelixencia Artificial capaz de predicir a probabilidade individual sobrevivir ao mieloma múltiple e de responder aos diferentes tratamentos dispoñibles.

O traballo constitúe “un punto de inflexión para iniciar a revolución do tratamento á carta no campo desta enfermidade”, segundo destaca Adrián Mosquera Orgeira, investigador do IDIS e un dos autores principais do estudo, en colaboración con Sonia González, do CHUS, e de María Victoria Mateos, do Hospital Clínico Universitario de Salamanca.

A científica Sonia González explica que “a pesar de dispoñer de numerosas alternativas terapéuticas, a nosa comprensión limitada dos mecanismos de resposta aos fármacos expuxo ata o momento un obstáculo para a elección da mellor terapia de entre as dispoñibles para un paciente en particular” Con todo, a crecente evidencia científica indica que a aplicación da IA pode mellorar a estratificación pronóstica e o tratamento da enfermidade.

Partindo desta escenario, o grupo de Hematoloxía do CHUS postulou que este enfoque podería usarse para pechar a fenda entre o coñecemento da bioloxía molecular e a toma de decisións clínicas no mieloma múltiple. Así, traballaron nun modelo baseado en datos clínicos, bioquímicos e moleculares que puidese usarse para individualizar o risco de cada paciente e guiar a selección do tratamento desde o momento do diagnóstico.

Os investigadores utilizaron datos dunha base de 730 pacientes, recompilados polo consorcio CoMMpass e desenvolveron un algoritmo de aprendizaxe automática de 50 variables chamado Iacobus-50, en homenaxe á cidade de Santiago de Compostela. O algoritmo conseguiu predicir a supervivencia global dos pacientes cunha alta concordancia entre os conxuntos de adestramento e validación, e ademais permitiu identificar a combinación de tratamentos que vai ser máis efectiva para cada paciente. Iacobus-50 incluíu, entre outros aspectos, variables como a idade do paciente, o estadio do tumor ou a expresión de ata 46 xenes nas células tumorais.

A innovación do modelo Iacobus-50 baséase en que segue un enfoque de arriba cara abaixo, é dicir que os resultados dos pacientes son o núcleo do modelo en lugar de depender dunha agrupación imperfecta en subgrupos. “Ao unir a IA e a medicina xenómica, os resultados desta investigación supoñerán un antes e un despois no enfoque terapéutico do MM”, sostén Sonia González.

Con este achegamento, segundo destaca o artigo en Leukemia, evidenciouse que “as persoas tratadas coa combinación de fármacos que mellor se predicira tiñan significativamente menos probabilidades de morrer que os pacientes tratados con outros esquemas”.

Destacan os autores do traballo que no mieloma múltiple comezan a ter aplicación os avances en inmunoterapia, que permitirán afondar no efecto anti-tumoral e mellorar os resultados clínicos a través do uso de terapias dirixidas a novas dianas. “No futuro, será necesario optimizar este modelo para incorporar datos con este tipo de fármacos” indica o Adrián Mosquera. Desta forma daríase resposta ao tratamento excesivamente atomizado que existe na actualidade, non adaptado ao risco molecular de cada paciente e que encarece excesivamente as terapias prolongadas neste tipo de cancro, unha das enfermidades que máis deteriora a calidade de vida, debido sobre todo ao seu impacto na enfermidade ósea e a anemia. Debido aos avances na supervivencia e á variedade de fórmulas terapéuticas, deuse en coñecer en medicina como un dos tumores con tratamentos máis custosos. Neste escenario, o traballo deste grupo de científicos galegos podería supoñer un cambio de paradigma na forma de concibir o seu tratamento.


Referencia: Survival prediction and treatment optimization of multiple myeloma patients using machine-learning models based on clinical and gene expression data (Publicado en Leukemia).

DEIXAR UNHA RESPOSTA

Please enter your comment!
POLÍTICA DE COMENTARIOS:

GCiencia non publicará comentarios ofensivos, que non sexan respectuosos ou que conteñan expresións discriminatorias, difamatorias ou contrarias á lexislación vixente.

GCiencia no publicará comentarios ofensivos, que no sean respetuosos o que contentan expresiones discriminatorias, difamatorias o contrarias a la ley existente.

Please enter your name here

Este sitio emprega Akismet para reducir o spam. Aprende como se procesan os datos dos teus comentarios.