Un equipo de investigación de la Universidad de Oviedo, en colaboración con el Hospital Universitario Central de Asturias (HUCA), ha conseguido diseñar un robot biomédico con el que se consigue predecir el grado histológico en cáncer de mama triple negativo con un 94 % de exactitud utilizando para ello seis variables.
El trabajo, desarrollado por el grupo de Problemas Inversos, Optimización y Aprendizaje Automático de la Universidad de Oviedo, en colaboración con personal médico del Servicio de Anatomía Patológica del HUCA y personal investigador de la Universidad suiza de Berna, supone un avance en la predicción del grado histológico y el riesgo de metástasis ganglionar en cáncer de mama triplemente negativo. Los resultados han sido publicados en The Journal of Medical Informatics and Decision Making.
Para el desarrollo del estudio han trabajado con una base de datos clínicos y patológicos de 102 pacientes diagnosticadas con cáncer de mama triple negativo, es decir, en el que el crecimiento del tumor no está estimulado por receptores de estrógeno, receptores de progesterona ni por el receptor de factor de crecimiento epidérmico, y, por tanto, son tumores que no responden bien al tratamiento con hormonoterapia.
Se calcula que más del 10 % de los tumores de mama son triplemente negativos, según explica Juan Luis Fernández, coordinador del grupo de Problemas Inversos y uno de los coautores de la investigación.
Para el desarrollo del ensayo, este grupo elaboró diferentes modelos matemáticos, basados en técnicas de inteligencia artificial para facilitar la predicción del grado histológico y el riesgo de desarrollo de metástasis ganglionar en el momento del diagnóstico.
“El estudio del grado histológico, que realizan los médicos patólogos, posee una gran importancia para determinar cuál es el protocolo de tratamiento adecuado, ya que consiste en ver la diferencia entre las células del tumor y las células sanas del mismo tejido, y determinar la posible velocidad de su desarrollo”, ha indicado Juan Luis Fernández. Para ello se suele recurrir al método de Scarff-Bloom-Richardson, que utiliza diferentes variables cuya determinación es un tanto laboriosa, según este investigador.
Robot biomédico
Para simplificar el proceso y facilitar la toma de decisiones en cuanto a clasificación y pronóstico del tumor y determinación del tratamiento, el grupo de Problemas Inversos diseñó un robot biomédico combinando seis variables, “con las que conseguimos predecir el grado histológico con un 94 % de exactitud”, indica Fernández. Dos de esas variables están relacionadas con el consumo de anticonceptivos orales y la talla del tumor, mientras que las otras cuatro son variables inmunohistoquímicas utilizadas por los patólogos.
Así han visto que el consumo nulo de anticonceptivos orales se asocia con menor grado histológico y mejor pronóstico. “También aparece una relación interesante con las proteínas Ki67, ColA11 y p53, así como con la edad a la hora del diagnóstico”.
Los investigadores analizaron también el riesgo de metástasis ganglionar, encontrando que las variables más importantes son la invasión vascular y perineural, junto a la talla del tumor, la edad y la historia familiar, una combinación de variables con la que se consiguió un 85 % de exactitud. “Además, los dos problemas de predicción analizados parecen estar conectados”. La utilización de estos métodos basados en la inteligencia artificial permite el diseño y uso de robots biomédicos que “facilitarán el diagnóstico, ayudando a los médicos y aligerando el proceso”, señala el profesor de la Universidad de Oviedo.
“Trabajamos con técnicas matemáticas que nos permiten el análisis y la modelización, para establecer redes y variables discriminatorias asociadas que sirven para predecir un problema y resolverlo con una exactitud elevada”, indica Fernández, quien destaca además que los robots aprenden de una forma dinámica “a medida que contamos con datos de más pacientes, de modo que si en su alimentación intervienen diferentes hospitales con el mismo protocolo de actuación, se genera una especie de aprendizaje federado”. Estos métodos, según Fernández, mejoran “el diagnóstico de cualquier especialista en el sentido de que se capturan relaciones implícitas que la mente humana no puede captar”.
La oportunidad terapéutica crece
Las escasas oportunidades terapéuticas del cáncer de mama triple negativo empiezan a ampliarse y a dejar atrás el pronóstico sombrío que hasta ahora ha acompañado a este tipo de tumor. Así, varios estudios, algunos presentados en la última reunión monográfica sobre el cáncer de mama celebrado en San Antonio, en Texas, han puesto de manifiesto el papel de la inmunoterapia en el triple negativo.
Partiendo de la base de que su comportamiento molecular es muy similar al del melanoma y al del cáncer de pulmón, los investigadores indagan en la utilidad de los inhibidores de «checkpoints» en diversos ensayos, tanto en adyuvancia como en neoadyuvancia.
febrero 26/2019 (diariomedico.com)
