Un estudio publicado en The Lancet Oncology establece por primera vez que la inteligencia artificial puede procesar imágenes médicas para extraer información biológica y clínica. Al diseñar un algoritmo y desarrollarlo para analizar imágenes de tomografía computarizada, los investigadores médicos de Gustave Roussy, CentraleSupélec, Inserm, Paris-Sud University y TheraPanaceaspin-off de CentraleSupélec especializado en inteligencia artificial en oncología-radioterapia y medicina de precisión ha creado una llamada firma radiómica. Esta firma define el nivel de infiltración de linfocitos de un tumor y proporciona una puntuación predictiva para la eficacia de la inmunoterapia en elpaciente.
En el futuro, los médicos podrían utilizar imágenes para identificar fenómenos biológicos en un tumor ubicado en cualquier parte del cuerpo sin tener que realizar una biopsia.
Hasta ahora, ningún marcador puede identificar con precisión a aquellos pacientes que responderán a la inmunoterapia anti-PD-1 / PD-L1 en una situación en la que solo del 15 al 30% de los pacientes responden a dicho tratamiento. Se sabe que los más ricosel entorno del tumor es inmunológicamente presencia de linfocitos cuanto mayor es la posibilidad de que la inmunoterapia sea efectiva, por lo que los investigadores han intentado caracterizar este entorno utilizando imágenes y correlacionarlo con la respuesta clínica de los pacientes. Tal es el objetivo de la firma radiológica diseñaday validado en el estudio publicado en The Lancet Oncology .
En este estudio retrospectivo, la firma radiómica fue capturada, desarrollada y validada en 500 pacientes con tumores sólidos todos los sitios de cuatro cohortes independientes. Fue validada genómica, histológica y clínicamente, haciéndola particularmente robusta.
Utilizando un enfoque basado en el aprendizaje automático, el equipo primero enseñó al algoritmo a usar información relevante extraída de tomografías computarizadas de pacientes que participaron en el estudio MOSCATO, que también contenía datos del genoma tumoral. Por lo tanto, basándose únicamente en imágenes, el algoritmo aprendió apredecir lo que el genoma podría haber revelado sobre el infiltrado inmune del tumor, en particular con respecto a la presencia de linfocitos T citotóxicos CD8 en el tumor, y estableció una firma radiómica.
Esta firma fue probada y validada en otras cohortes, incluida la de TCGA The Cancer Genome Atlas, lo que demuestra que las imágenes pueden predecir un fenómeno biológico, proporcionando una estimación del grado de infiltración inmune de un tumor.
Luego, para evaluar la aplicabilidad de esta firma en una situación real y correlacionarla con la eficacia de la inmunoterapia, se evaluó mediante tomografías computarizadas realizadas antes del inicio del tratamiento en pacientes que participan en 5 ensayos de fase I de anti-PD-1/ PD-L1 inmunoterapia. Se descubrió que los pacientes en los que la inmunoterapia era efectiva a los 3 y 6 meses tenían puntuaciones radiológicas más altas que aquellos con una mejor supervivencia general.
El próximo estudio clínico evaluará la firma tanto retrospectivamente como prospectivamente, utilizará un mayor número de pacientes y los estratificará según el tipo de cáncer para refinar la firma.
Esto también empleará algoritmos de inteligencia artificial y aprendizaje automático más sofisticados para predecir la respuesta del paciente a la inmunoterapia. Con ese fin, los investigadores tienen la intención de integrar datos de imágenes, biología molecular y análisis de tejidos. Este es el objetivo de la colaboración entre GustaveRoussy, Inserm, Université Paris-Sud, CentraleSupélec y TheraPanacea para identificar a los pacientes que tienen más probabilidades de responder al tratamiento, mejorando así la relación eficacia / costo del tratamiento.
Fuente de la historia :
Materiales proporcionado por Centro Integral del Cáncer Gustave Roussy . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :