Un nuevo modelo de IA podrá afinar el diagnóstico del cáncer de mama

Un grupo de investigadores de la Facultad de Medicina Feinberg de la Universidad Northwestern ha visto que una herramienta de inteligencia artificial (IA), denominada Histomic Prognostic Signature (HiPS), es capaz de identificar a pacientes con cáncer de mama clasificadas actualmente como de riesgo alto o intermedio y que se convierten en supervivientes a largo plazo. Con dicha clasificación se podría reducir la duración o la intensidad de su quimioterapia, con lo que se eliminarían sus efectos secundarios, como náuseas y el daño al corazón. Dicho estudio, que se publica en Nature Medicine, demuestra la importancia de los contar con componentes no cancerosos a la hora de determinar el pronóstico de un paciente. Se sabía la importancia que tienen estos elementos por estudios biológicos, pero no se había trasladado a la clínica. Durante el diagnóstico del cáncer de mama, el patólogo examina el tejido canceroso para determinar su grado de anormalidad. El grado determinado por el patólogo se utiliza para ver qué el tratamiento recibirá la paciente. Muchos estudios sobre la biología del cáncer de mama han demostrado que las células no cancerosas, incluidas las del sistema inmunitario y las que dan forma y estructura al tejido, pueden desempeñar un papel importante en el mantenimiento o la inhibición del crecimiento del cáncer.

Nuevo modelo

El equipo de Lee Cooper ha desarrollado un un modelo de IA para evaluar el tejido del cáncer de mama a partir de imágenes digitales que mide el aspecto de las células cancerosas y no cancerosas, así como las interacciones entre ellas. 'Estos patrones son difíciles de evaluar para un patólogo, ya que el ojo humano no puede clasificarlos de forma fiable. El modelo de IA mide estos patrones y ofrece esa información al patólogo”, apunta Cooper. Dicho sistema de IA puede analizar 26 propiedades distintas del tejido mamario de una paciente para generar una puntuación pronóstica global. También genera puntuaciones individuales para las células cancerosas, inmunitarias y estromales para explicar la puntuación global al patólogo. Por ejemplo, en algunas pacientes, una puntuación de pronóstico favorable puede deberse a propiedades de sus células inmunitarias, mientras que en otras puede deberse a propiedades de sus células cancerosas. Esta información podría ser de gran utilidad para diseñar un plan de tratamiento individualizado.

Información más precisa

Según Cooper, este nuevo modelo podría proporcionar a las pacientes diagnosticadas de cáncer de mama una estimación más precisa del riesgo asociado a su enfermedad, lo que les permitiría tomar decisiones con una información más precisa. Además, este modelo podría ayudar a evaluar la respuesta terapéutica, permitiendo intensificar o reducir el tratamiento en función de cómo cambie el aspecto microscópico del tejido. Por ejemplo, la herramienta podría determinar la eficacia del sistema inmunitario de un paciente para destruir su cáncer durante la quimioterapia, lo que podría utilizarse para reducir la duración o la intensidad de la misma.

Diseño del estudio

El estudio se ha llevado a cabo en colaboración con la Sociedad Americana del Cáncer, que diseñó un conjunto de datos único de pacientes con cáncer de mama a través de sus Estudios de Prevención del Cáncer. En este conjunto de datos están representadas pacientes de más de 423 condados de Estados Unidos, muchas de las cuales recibieron un diagnóstico o atención en centros médicos comunitarios. Esto es importante, porque la mayoría de los estudios suelen utilizar datos de grandes centros médicos universitarios, que representan sólo a una parte de la población estadounidense. En esta colaboración, la Universidad Northwestern desarrolló el software de IA, mientras que científicos de la ACS y del Instituto Nacional del Cáncer aportaron su experiencia en epidemiología y resultados clínicos del cáncer de mama. Para desarrollar dicho modelo de IA, se necesitaron cientos de miles de anotaciones de células y estructuras de tejidos generadas en imágenes digitales de tejidos de pacientes. Para ello, formaron una red internacional de estudiantes de Medicina y patólogos de varios continentes. A lo largo de varios años, estos voluntarios proporcionaron estos datos a través de un sitio web para que el modelo de IA pudiera interpretar con fiabilidad imágenes de tejido de cáncer de mama.

Pasos a seguir

A continuación, los científicos evaluarán este modelo prospectivamente para validarlo para uso clínico. También se está trabajando en el desarrollo de modelos para tipos más específicos de cáncer de mama, como el triple negativo o el HER2 positivo. Según Cooper, “esto mejorará nuestra capacidad de predecir resultados y nos permitirá conocer mejor la biología de los cánceres de mama”.

• Mohamed Amgad, James M. Hodge, Maha A. T. Elsebaie, Clara Bodelon, Samantha Puvanesarajah, David A. Gutman, Kalliopi P. Siziopikou, Jeffery A. Goldstein, Mia M. Gaudet, Lauren R. Teras  Lee A. D. Cooper. A population-level digital histologic biomarker for enhanced prognosis of invasive breast cancer. Nature Medicine. DOI: 10.1038/s41591-023-02643-7.