El cáncer de ovario afecta anualmente a miles de mujeres y muchos diagnósticos se producen en etapas avanzadas debido a síntomas tempranos sutiles.
El carcinoma de ovario seroso de alto grado, que representa entre el 70 % y el 80 % de los casos de cáncer de ovario, es particularmente agresivo y a menudo resistente a la quimioterapia.
Los métodos actuales para predecir la respuesta a la terapia en estos tumores tienen una precisión de sólo alrededor del 50 %.
La complejidad y diversidad de la enfermedad entre las personas ha dificultado encontrar biomarcadores fiables. Ahora, los investigadores han desarrollado una herramienta basada en inteligencia artificial (IA) para mejorar la precisión de la predicción de las respuestas a la quimioterapia en pacientes con cáncer de ovario.
La herramienta, llamada IRON (siglas en inglés para Radiogenómica Integrada para la Terapia Neoadyuvante Ovárica), fue desarrollada por investigadores de la Universidad Católica del Sagrado Corazón (Milán, Italia).
IRON analiza una variedad de características clínicas, incluido el ADN tumoral circulante a partir de muestras de sangre (biopsia líquida), datos demográficos del paciente (edad, estado de salud, etc.), marcadores tumorales e imágenes de tomografía computarizada.
Luego predice la probabilidad de un resultado terapéutico exitoso, específicamente la reducción volumétrica de las lesiones tumorales. Sorprendentemente, IRON puede predecir los resultados de la terapia con una tasa de precisión del 80 %, una mejora significativa con respecto a los métodos clínicos existentes.
Para su investigación, el equipo recopiló dos conjuntos de datos que comprenden 134 pacientes en total, 92 en el primer conjunto de datos y 42 en un conjunto de validación separado.
Recopilaron datos clínicos completos de estos pacientes, incluida información demográfica, especificaciones del tratamiento, biomarcadores sanguíneos como CA-125 y ADN tumoral circulante.
Además, recopilaron detalles cuantitativos de tomografías computarizadas de todos los sitios de tumores primarios y metastásicos.
En particular, se observó que los sitios omental y pélvico/ovárico, donde comúnmente se propaga el cáncer de ovario, soportan inicialmente la mayor parte de la carga de enfermedad. Se encontró que los depósitos omentales respondieron mejor a la terapia neoadyuvante en comparación con la enfermedad pélvica.
Los investigadores también examinaron mutaciones tumorales (como TP53 MAF en el ADN circulante) y el marcador CA-125 en relación con la carga general de enfermedad antes del tratamiento y la respuesta a la terapia.
El análisis avanzado de imágenes de tomografía computarizada identificó seis subgrupos de pacientes, cada uno con características biológicas y clínicas únicas que indican su respuesta a la terapia. Estas características del tumor se incorporaron a algoritmos de IA, creando un modelo integral.
Después de ser entrenado, la efectividad del modelo se validó utilizando una muestra de pacientes independiente, lo que demuestra su potencial para mejorar las estrategias de tratamiento del cáncer de ovario.
«Desde una perspectiva clínica, el marco propuesto aborda la necesidad insatisfecha de identificar tempranamente a los pacientes que probablemente no respondan a la terapia neoadyuvante y puedan ser dirigidos a una intervención quirúrgica inmediata», afirmó la profesora Evis Sala, quien coordinó el estudio.
