La inmunoterapia cambió el tratamiento de varios tipos de cáncer al activar las propias defensas del organismo para combatir los tumores. Sin embargo, no todos los pacientes responden de la misma manera y, en algunos casos, el sistema inmunitario también puede atacar órganos sanos y generar efectos adversos. Un equipo de la Universidad de la República (Udelar) trabaja en el desarrollo de modelos de inteligencia artificial (IA) que permitan anticipar esos riesgos y contribuir a una medicina más personalizada.
“En el tratamiento contra el cáncer, la inmunoterapia cambió bastante el enfoque. En muchos tipos de cáncer, lo que hace la inmunoterapia es activar las defensas propias del paciente en lugar de atacar directamente al tumor”, explicó, en diálogo con la diaria, Parag Chatterjee, profesor adjunto del Departamento de Ingeniería Biológica de la Udelar e investigador del Sistema Nacional de Investigadores (ANII).
El problema es que “no todos los pacientes responden igual” y algunos pueden presentar “efectos adversos serios”. “Hoy, a nivel mundial, es muy difícil anticipar a quién le va a ir bien y a quién le puede traer problemas”, afirmó. El proyecto busca utilizar técnicas de aprendizaje automático para encontrar patrones que permitan anticipar tanto la respuesta al tratamiento como la aparición de toxicidades.
La investigación será presentada por las integrantes del proyecto Candela Giménez y Belén Insagaray en la feria de Ingeniería deMuestra, organizada por la Facultad de Ingeniería y la Fundación Julio Ricaldoni, que se realizará el 16 y 17 de octubre bajo la consigna “Derribemos estereotipos de género”.
Sin costos adicionales
El equipo trabaja con información que ya se genera durante la atención de los pacientes. Uno de los elementos que estudian son los hemogramas, análisis de sangre de rutina que se realizan en los hospitales. “El hemograma ya trae información útil para poder hacer una predicción”, explicó Chatterjee.
Entre los indicadores analizados está la relación entre neutrófilos y linfocitos, dos tipos de glóbulos blancos que forman parte del sistema inmunitario y cumplen funciones diferentes en la defensa del organismo. Esta relación puede calcularse a partir de un hemograma, sin requerir un estudio o costo adicional. El equipo encontró que no solamente importa el valor obtenido en un momento determinado, sino también cómo va cambiando a lo largo del tratamiento.
Modelos para apoyar las decisiones médicas
El equipo reúne los datos disponibles, construye una base de datos y utiliza una parte de la información para entrenar diferentes modelos de aprendizaje automático. Luego prueba sus predicciones con datos de pacientes para evaluar qué tan bien funciona.
El objetivo es generar índices o herramientas que permitan identificar grupos de pacientes con distintas probabilidades de responder al tratamiento o de desarrollar efectos adversos. “Esta información después se le da al médico para ayudarlo a distinguir qué pacientes tienen menos probabilidad de responder al tratamiento y cuáles posiblemente van a evolucionar mejor”, explicó Chatterjee.
El estudio contempla distintos tipos de toxicidades, desde manifestaciones como un sarpullido en la piel hasta eventos adversos más graves. La definición y evaluación de esas toxicidades está a cargo del equipo médico, mientras que el grupo de Chatterjee trabaja específicamente en la parte de ciencia de datos e IA.
El proyecto se desarrolla en colaboración con Mauricio Cuello, profesor agregado del Servicio de Oncología Clínica del Hospital de Clínicas y director del Instituto Nacional de Cáncer. También participan las estudiantes Candela Giménez, de la Licenciatura en Ingeniería Biológica, y Belén Insagaray, quien se encuentra iniciando un doctorado y es médica residente de Oncología Clínica del Hospital de Clínicas.
Hasta el momento, el trabajo reúne información de alrededor de 100 pacientes del Hospital de Clínicas y del Instituto Nacional de Cáncer. El equipo realiza, además, un trabajo prospectivo para incorporar nuevos pacientes y generar mayor evidencia, una línea que se espera seguir ampliando.
Resultados
Uno de los resultados que más llamó la atención a los investigadores es precisamente la información que puede extraerse de análisis habituales. “Lo más importante es que los resultados se están encontrando en los análisis de sangre de rutina”, sostuvo Chatterjee.
Parte de estos resultados ya fueron publicados en setiembre en la revista científica Frontiers in Oncology. El estudio analizó a 68 pacientes con tumores avanzados tratados con inmunoterapia en el Hospital de Clínicas y el Instituto Nacional de Cáncer. Los tipos de cáncer fueron pulmón, urológicos, melanoma y otros.
Durante un seguimiento mediano de casi 17 meses, se produjeron 39 muertes entre los 66 pacientes incluidos en el análisis de supervivencia. Los investigadores encontraron que un índice elevado de neutrófilos sobre linfocitos durante el tratamiento se asociaba con una menor supervivencia. Entre quienes tenían un índice inicial superior a 4,9 la supervivencia mediana fue de 7,3 meses frente a aproximadamente 25 meses en el resto del grupo.
El estudio también registró eventos adversos relacionados con la inmunoterapia en 26 de los 68 pacientes (38%), de los cuales 11 (16%) presentaron eventos considerados significativos. Además, el proyecto incluyó un estudio prospectivo con citometría de flujo, a cargo de Daniela Lens, directora del Laboratorio de Citometría de Flujo del Hospital de Clínicas. Se trata de una técnica más sofisticada que requiere equipamiento específico y permite analizar en detalle las células del sistema inmune.
El camino hasta la consulta médica
Aunque los resultados iniciales son promisorios, Chatterjee remarcó que se trata todavía de una investigación y no de una herramienta disponible para los oncólogos en la práctica clínica.
El equipo ya cuenta con algunas evidencias publicadas y continúa realizando estudios prospectivos en el Hospital de Clínicas junto con el Departamento de Ingeniería Biológica de Udelar en Paysandú.
La expectativa es que, a medida que se genere evidencia suficiente, el modelo pueda incorporarse a la práctica clínica.