El sistema identifica señales moleculares expresadas por los tumores que permiten inferir cuál será su comportamiento biológico, y así determinar posibles terapias.
(CONICET) Los avances tecnológicos de los últimos treinta años marcan el ritmo de una verdadera revolución en el campo de la medicina. Los desarrollos informáticos y, sobre todo, la Inteligencia Artificial (IA) están cambiando la manera en la que se diagnostican y tratan las enfermedades, y el horizonte en esta materia es sumamente prometedor
Investigadores del CONICET, la
Universidad Nacional de Cuyo y la Universidad de Harvard (Estados Unidos)
desarrollaron Galgo, un algoritmo de optimización bi-objetivo cuya meta es
encontrar patrones de expresión génica para diferentes tumores, de forma
automática y eficiente, que permitan caracterizarlos clínicamente y saber a qué
tratamiento pueden ser sensibles o resistentes. El estudio fue publicado en
Bioinformatics.
“Galgo es un acrónimo que surge
de genetic algorithm, que es la metodología de optimización subyacente al
sistema desarrollado. Básicamente, es un tipo de algoritmo de optimización
combinatoria que trata de buscar una solución eficiente para un problema de
alta complejidad, inspirado en el proceso de evolución y selección natural
propuesto por Darwin”, explica Martín Guerrero, becario doctoral del CONICET en
el Instituto de Medicina y Biología Experimental de Cuyo (IMBECU, CONICET-UNCUYO)
y primer autor del trabajo, que se desprende de su tesis donde estudia las
Proteínas de Golpe de Calor (HSPs) en la Carcinogénesis.
El sistema trabaja con bases de
datos de pacientes que han padecido cáncer y utiliza los resultados de los
análisis de expresión génica de los tumores y el desenlace final de la
patología, es decir, si la persona murió o no y si lo hizo, cuándo. La
expresión génica o “firma génica” es un conjunto de señales moleculares
expresadas por los tumores que permiten inferir cuál será su comportamiento
biológico, su pronóstico y los posibles tratamientos.
“A través de estrategias de
cómputo distribuido, Galgo propone firmas génicas que son comparadas con los
desenlaces observados de los pacientes y, a partir de esta información, va
mejorando o “evolucionando” las soluciones propuestas a lo largo de varias
iteraciones hasta dar con una o más respuestas que cumplan con el objetivo de
discriminar a los pacientes de forma consistente y robusta, es decir, con la
menor cantidad de error y “ruido” molecular posible. Un vez obtenidas las
firmas génicas, uno puede tomar una biopsia de un tumor de un nuevo paciente,
realizarle un análisis de expresión génica y comparar este perfil con las
firmas detectadas por el sistema y, de esta manera, clasificarlo de acuerdo a
su biología y su pronóstico estimado”, detalla Guerrero.
Galgo permite planificar enfoques
terapéuticos específicos para cada tipo de tumor, al clasificarlos por grupos
reducidos que permiten entender mejor su comportamiento biológico. “Los
tumores, en su desarrollo, toman y modifican nuestro propio material genético
para utilizarlo a su favor. Estas mutaciones de las células tumorales se ven
reflejadas en la expresión de una serie de moléculas que nos brindan la
información necesaria para sintetizar proteínas (ARN mensajero), que en este
caso son las que el tumor utiliza para sobrevivir. Estas moléculas son las que
medimos en los tumores, y a partir de dicha información podemos conocer las
funciones que está tratando de llevar a cabo para crecer y desarrollarse”,
agrega.
Lo novedoso es que, por primera
vez, se intenta detectar firmas génicas utilizando un criterio de optimización
bi-objetivo, es decir, maximizando tanto la robustez de las firmas como su
significado clínico. Por otro lado, el sistema es capaz de encontrar firmas
génicas en cualquier tipo de cáncer, lo que lo transforma en una herramienta
promisoria en el campo de la medicina de precisión aplicada a esta enfermedad.
“En nuestra investigación, Galgo encontró firmas génicas más precisas que las
que se conocían hasta el momento para cáncer de pulmón y de colon, y pudo
igualar el poder predictivo de testeos comerciales de utilización clínica para
cáncer de mama, que fueron diseñados específicamente para este tipo patología”,
dice el médico.
Parte de los descubrimientos
realizados por el algoritmo ya están siendo utilizados para nuevos proyectos y
propuestas terapéuticas que se están desarrollando junto a un equipo de la
Universidad de Harvard. “Utilizando Galgo observamos que los pacientes con
cáncer de mama con HER2 amplificado pueden ser divididos en dos grupos, un
grupo de buen pronóstico, y otro grupo de mal pronóstico con respuestas
sub-óptimas al tratamiento. Curiosamente, gracias al algoritmo pudimos detectar
que el grupo de mal pronóstico presenta altos niveles de tejido conectivo
circundante al tumor y, gracias a eso, estamos tratando de descubrir los
elementos moleculares que determinan esta relación y cómo podemos desarrollar
terapias específicas para estos pacientes”, cuenta el becario.
“Creemos que este estudio
representa un avance importante hacia abordajes más precisos en el tratamiento
del cáncer; sin embargo, es importante aclarar que dado su potencial uso para
definir conductas terapéuticas en pacientes, de acuerdo a las leyes
regulatorias, el uso de los hallazgos de Galgo requiere de investigaciones en
contextos clínicos específicos, por lo que no puede ser utilizado en pacientes
de forma directa, todavía. De cualquier manera, el algoritmo fue empaquetado en
un software y está disponible de forma libre y gratuita para que la comunidad
científica pueda seguir avanzando en esa dirección. A su vez, en el futuro
esperamos combinar Galgo con nuevas herramientas de inteligencia artificial que
nos permitan determinar la composición exacta del tejido no tumoral
circundante, es decir, la cantidad de tejido cicatrizal, vascular, composición
inmune y tejido graso circundante, que también impactan fuertemente en el
comportamiento clínico de la enfermedad. De esta manera, con tan solo una
biopsia del tumor de un paciente, podríamos brindarle información al equipo de
salud acerca de las características de las células tumorales así como también
sobre la composición del tejido no tumoral circundante, lo que potencialmente
le permitiría a los profesionales elaborar estrategias terapéuticas específicas
para cada paciente”, concluye el científico.
Leído en Consenso
Salud
No hay comentarios.:
Publicar un comentario