Una nueva herramienta de IA (inteligencia artificial) puede permitir ahorrar a las pacientes con cáncer de mama tratamientos de quimioterapia innecesarios mediante el uso de un método más preciso para predecir sus resultados, informa un nuevo estudio de Northwestern Medicine.
Las evaluaciones de IA de los tejidos de los pacientes fueron mejores para predecir el curso futuro de la enfermedad de un paciente que las evaluaciones realizadas por patólogos expertos.
La herramienta de IA pudo identificar pacientes con cáncer de mama que actualmente están clasificadas como de riesgo alto o intermedio pero que se convierten en sobrevivientes a largo plazo. Eso significa que se podría reducir la duración o la intensidad de su quimioterapia. Esto es importante ya que la quimioterapia se asocia con efectos secundarios desagradables y dañinos, como náuseas o, más raramente, daños al corazón.
Actualmente, los patólogos evalúan las células cancerosas en el tejido de un paciente para determinar el tratamiento. Pero los patrones de células no cancerosas son muy importantes para predecir los resultados, demostró el estudio.
Este es el primer estudio que utiliza IA para una evaluación integral de los elementos cancerosos y no cancerosos del cáncer de mama invasivo.
“Nuestro estudio demuestra la importancia de los componentes no cancerosos a la hora de determinar el resultado de un paciente”, afirmó el autor correspondiente del estudio, Lee Cooper, profesor asociado de patología en la Facultad de Medicina Feinberg de la Universidad Northwestern. “La importancia de estos elementos se conocía a partir de estudios biológicos, pero este conocimiento no se ha trasladado de manera efectiva al uso clínico”.
El estudio fue publicado el 27 de noviembre en Nature Medicine.
En 2023, alrededor de 300.000 mujeres estadounidenses recibirán un diagnóstico de cáncer de mama invasivo. Aproximadamente una de cada ocho mujeres estadounidenses recibirá un diagnóstico de cáncer de mama a lo largo de su vida.
Durante el diagnóstico, un patólogo revisa el tejido canceroso para determinar qué tan anormal parece el tejido. Este proceso, conocido como clasificación, se centra en la apariencia de las células cancerosas y prácticamente no ha cambiado durante décadas. El grado, determinado por el patólogo, se utiliza para ayudar a determinar qué tratamiento recibirá un paciente.
Muchos estudios sobre la biología del cáncer de mama han demostrado que las células no cancerosas, incluidas las células del sistema inmunológico y las células que proporcionan forma y estructura al tejido, pueden desempeñar un papel importante en el mantenimiento o la inhibición del crecimiento del cáncer.
Cooper y sus colegas construyeron un modelo de inteligencia artificial para evaluar el tejido del cáncer de mama a partir de imágenes digitales que mide la apariencia de células cancerosas y no cancerosas, así como las interacciones entre ellas.
“Estos patrones son difíciles de evaluar para un patólogo, ya que pueden ser difíciles de categorizar de manera confiable para el ojo humano”, dijo Cooper, también miembro del Centro Integral de Cáncer Robert H. Lurie de la Universidad Northwestern. “El modelo de IA mide estos patrones y presenta información al patólogo de una manera que le aclara el proceso de toma de decisiones de la IA”.
El sistema de IA analiza 26 propiedades diferentes del tejido mamario de un paciente para generar una puntuación de pronóstico general. El sistema también genera puntuaciones individuales para las células cancerosas, inmunes y estromales para explicar la puntuación general al patólogo. Por ejemplo, en algunos pacientes, una puntuación de pronóstico favorable puede deberse a las propiedades de sus células inmunitarias, mientras que para otros puede deberse a las propiedades de sus células cancerosas. Esta información podría ser utilizada por el equipo de atención del paciente para crear un plan de tratamiento individualizado.
La adopción del nuevo modelo podría proporcionar a los pacientes diagnosticados con cáncer de mama una estimación más precisa del riesgo asociado con su enfermedad, permitiéndoles tomar decisiones informadas sobre su atención clínica, dijo Cooper.
Además, este modelo puede ayudar a evaluar la respuesta terapéutica, permitiendo intensificar o reducir el tratamiento dependiendo de cómo cambia la apariencia microscópica del tejido con el tiempo. Por ejemplo, la herramienta puede reconocer la eficacia del sistema inmunológico de un paciente para atacar el cáncer durante la quimioterapia, lo que podría usarse para reducir la duración o la intensidad de la quimioterapia.
“También esperamos que este modelo pueda reducir las disparidades entre los pacientes diagnosticados en entornos comunitarios”, afirmó Cooper. “Es posible que estos pacientes no tengan acceso a un patólogo especializado en cáncer de mama, y nuestro modelo de IA podría ayudar a un patólogo generalista a la hora de evaluar los cánceres de mama”.
Cómo funcionó el estudio
El estudio se realizó en colaboración con la Sociedad Estadounidense del Cáncer (ACS), que creó un conjunto de datos único de pacientes con cáncer de mama a través de sus Estudios de Prevención del Cáncer. Este conjunto de datos tiene representación de pacientes de más de 423 condados de EE. UU., muchos de los 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 académicos que representan sólo una parte de la población estadounidense.
En esta colaboración, Northwestern desarrolló el software de IA, mientras que los científicos de la ACS y el Instituto Nacional del Cáncer aportaron su experiencia en epidemiología y resultados clínicos del cáncer de mama.
Para entrenar el modelo de IA, los científicos necesitaron cientos de miles de anotaciones de células y estructuras tisulares generadas por humanos dentro de imágenes digitales de tejidos de pacientes. Para lograrlo, crearon una red internacional de estudiantes de medicina y patólogos en varios continentes. Estos voluntarios proporcionaron estos datos a través de un sitio web a lo largo de varios años para que el modelo de IA pudiera interpretar de manera confiable imágenes de tejido de cáncer de mama.
A continuación, los científicos evaluarán este modelo de forma prospectiva para validarlo para uso clínico . Esto coincide con la transición al uso de imágenes digitales para el diagnóstico en Northwestern Medicine, lo que ocurrirá durante los próximos tres años.
Los científicos también están trabajando para desarrollar modelos para tipos más específicos de cáncer de mama como el triple negativo o el HER2 positivo. El cáncer de mama invasivo abarca varias categorías diferentes y los patrones tisulares importantes pueden variar entre estas categorías.
“Esto mejorará nuestra capacidad para predecir resultados y proporcionará más información sobre la biología del cáncer de mama”, afirmó Cooper.
Otros autores del noroeste incluyen a Mohamed Amgad Tageldin, Kalliopi Siziopikou y Jeffery Goldstein.
medicalxpress.com