Científicos británicos desarrollaron un algoritmo que puede detectar la combinación de fármacos más eficaz contra el cáncer en menos de 48 horas
Utilizando inteligencia artificial lograron medir la sensibilidad de las células a los fármacos individuales contra el cáncer, descubriendo las mejores conjugaciones entre ellos. Se abre un camino hacia la medicina personalizada y la combinación de terapias para enfrentar la resistencia a los antibióticos.
La inteligencia artificial puede resultar de gran ayuda para mejorar los tratamientos contra el cáncer: un nuevo algoritmo se ha mostrado capaz de predecir en menos de 2 días la combinación más eficaz de fármacos contra los tumores cancerígenos.
Creada por científicos del Instituto de Investigación del Cáncer en Londres, la técnica de vanguardia aparece detallada en un artículo publicado en la revista Molecular Cancer Therapeutics. La prueba prototipo analiza con IA datos de proteínas a gran escala tomando muestras de tumores, pudiendo predecir con más precisión la respuesta de los pacientes con cáncer a la medicación.
El método se mostró más preciso y eficaz que el análisis genómico para predecir las respuestas individuales a los medicamentos. En la actualidad se emplean marcadores genéticos como las mutaciones en los genes clave EGFR, KRAS y PIK3CA para predecir las respuestas a los medicamentos en el cáncer de pulmón.
Foto: Unsplash
La prueba se posiciona como la primera capaz de brindar predicciones personalizadas para ajustar el mejor tratamiento contra el cáncer que es posible que funcionen en diferentes individuos.
El algoritmo se entrenó con aprendizaje automático para medir la sensibilidad de las células a los fármacos individuales contra el cáncer, descubriendo las mejores conjugaciones entre ellos.
Antes de usarse en pacientes, la herramienta requiere de mayor validación. En la prueba actual se estudiaron 7 fármacos en múltiples combinaciones, pero los científicos quieren un informe más grande con 15 medicamentos y 12.000 proteínas involucradas en lugar de 52.
De seguir adelante, la prueba tiene un esperanzador potencial tanto por la increíble velocidad de respuesta que ofrece la inteligencia artificial, como por la precisión y eficacia en la predicción de la respuesta de los tumores a la medicación.
“Este nuevo estudio es un gran ejemplo de colaboración interdisciplinaria, al integrar nuestra comprensión de la biología del cáncer, la IA y la medicina clínica para esta nueva prueba", afirma Kristian Helin, director ejecutivo del Instituto de Investigación del Cáncer de Londres.
The Institute of Cancer Research de Londres
Resúmen del Estudio
El estudio de la perturbación aguda de proteínas en la transducción de señales por fármacos anticancerosos dirigidos puede predecir la sensibilidad a los fármacos de estos agentes utilizados como agentes únicos y terapia de combinación racional.
Se analizaron los cambios dinámicos en 52 fosfoproteínas causados por la exposición aguda (1 hora) a concentraciones clínicamente relevantes de 7 medicamentos contra el cáncer dirigidos en 35 líneas celulares de cáncer de pulmón de células no pequeñas (CPCNP) y 16 muestras de células de CPCNP aisladas de derrames pleurales de pacientes.
Se estudiaron las sensibilidades a los fármacos en 35 líneas celulares y la sinergia de las combinaciones de todos los fármacos en seis líneas celulares (252 combinaciones).
Se desarrollaron enfoques ortogonales de aprendizaje automático para predecir la respuesta a fármacos y la terapia de combinación racional. Usando un algoritmo de inteligencia artificial se predijeron los cuartiles más y menos sensibles de sensibilidad al fármaco con un AUC de 0,79 y 0,78 respectivamente, mientras que las predicciones se basaron en mutaciones en tres genes comúnmente conocidos por predecir la respuesta al fármaco estudiado, p. EGFR, PIK3CA y KRAS no predijeron la sensibilidad (AUC 0,5 en todos los cuartiles).
Las predicciones de combinaciones de aprendizaje automático se compararon con datos generados experimentalmente y mostraron un sesgo hacia el cuartil más alto de las puntuaciones de sinergia de Bliss, p = 0,0243.
Se confirmó así la viabilidad de ejecutar dichos ensayos en 16 muestras de pacientes de células de NSCLC recién aisladas de derrames pleurales. Hemos proporcionado una prueba de concepto para métodos novedosos de uso de la exposición aguda ex vivo de células cancerosas a medicamentos contra el cáncer dirigidos para predecir la respuesta como agentes únicos o combinaciones.
Estos enfoques podrían complementar los enfoques actuales que utilizan mutaciones / amplificaciones / reordenamientos genéticos como biomarcadores, y demostrar la utilidad de los datos proteómicos para informar la selección de tratamientos en la clínica.
Autores: Elizabeth A. Coker, Adam Stewart, Bugra Ozer, Anna R. Minchom, Lisa Pickard, Ruth Ruddle, Suzanne Carreira, Sanjay Popat, Mary Er. O'Brien, Florence I. Raynaud, Johann S. de Bono, Bissan Al-Lazikani, Udai Banerji