Cáncer colorrectal: una IA podría identificar qué pacientes se beneficiarían con tratamientos más intensos
Un equipo del University College London analizó biopsias de tumores de recto avanzado con un sistema automatizado y halló que agregar un fármaco poco utilizado a la quimioterapia podría reducir a la mitad el riesgo de muerte
El cáncer colorrectal, que afecta el intestino grueso y el recto, es uno de los tumores más extendidos del mundo: cada año se diagnostican más de 1.9 millones de casos nuevos y provoca cerca de 900.000 muertes, según datos de la Organización Mundial de la Salud (OMS). Cuando el tumor crece en el recto y empieza a extenderse hacia los tejidos cercanos, se lo denomina estadio localmente avanzado: el riesgo de recaída es alto y el tratamiento se vuelve más exigente para el paciente.
Durante años, los médicos sospecharon que agregar el fármaco irinotecan a la quimiorradioterapia estándar (una combinación de quimioterapia y radioterapia previa a la cirugía) podría mejorar las probabilidades de sobrevivir, pero los ensayos clínicos no lograban confirmarlo. La respuesta estaba en los datos, pero el problema era que nadie había podido leerlos con la precisión necesaria.
Eso cambió gracias a un equipo de investigadores del University College London que entrenó un sistema de inteligencia artificial para analizar biopsias y determinar, antes de iniciar cualquier tratamiento, qué pacientes se benefician realmente de esa combinación más intensa. El resultado fue contundente: en el grupo identificado por la IA, agregar este fármaco redujo el riesgo de muerte a la mitad a lo largo de cinco años de seguimiento. Para los demás pacientes, el fármaco adicional no aportó ventajas e incluso pudo resultar perjudicial.
En el estudio, publicado en la revista eBioMedicine, se muestra que la clave estaba en una característica del tumor muy difícil de medir de forma sistemática hasta ahora: la proporción de células cancerosas dentro del tejido analizado en la biopsia, y la IA permitió hacerlo a escala real.
El estudio se concentró en una característica llamada densidad celular tumoral, que mide qué parte del tejido analizado en la biopsia está formada por células cancerosas y qué parte por tejido de soporte. Cuanto mayor es esa proporción de células malignas, más agresivo tiende a ser el tumor.
Para medir esa característica en 414 muestras de biopsia tomadas antes del tratamiento, el equipo desarrolló un sistema de IA capaz de examinar imágenes microscópicas de tejido, detectar millones de células individuales y clasificarlas como tumorales o no tumorales. Lo que un patólogo tardaría unos 20 minutos en completar por muestra de forma manual, la herramienta lo resuelve en aproximadamente dos minutos por corte. A esa escala, con 414 muestras, el trabajo manual era directamente inviable.
El sistema clasificó a 188 pacientes, 45% del total, como de alta densidad celular tumoral, y a los 226 restantes como de baja densidad. Esa distinción resultó decisiva: en el grupo de alta densidad, agregar el fármaco al tratamiento estándar redujo el riesgo de recaída en un 43% y el riesgo de muerte en un 50%, según se detalla en el estudio, con un seguimiento de cinco años. En el grupo de baja densidad, en cambio, no se observó ninguna diferencia favorable y se registró incluso una tendencia hacia peores resultados.
Los datos provienen de un análisis realizado sobre muestras ya existentes del ensayo clínico ARISTOTLE, un estudio de gran escala que reclutó pacientes en 75 hospitales del Reino Unido para evaluar si agregar irinotecan a la quimiorradioterapia estándar mejoraba los resultados.
Ese ensayo es de fase III, la etapa más avanzada de la investigación clínica en humanos, donde se prueba un tratamiento en grandes grupos de pacientes antes de determinar si puede adoptarse de forma generalizada. La conclusión general fue que no había beneficio para el conjunto de los pacientes. Los resultados completos a largo plazo del ensayo se publicaron en Lancet Oncology.
El análisis publicado en eBioMedicine no contradice esa conclusión general, sino que la matiza al identificar un subgrupo de pacientes donde el beneficio sí existía y era real y concreto. “Si bien el ensayo original mostró escaso beneficio al agregar irinotecan, al usar inteligencia artificial encontramos que podíamos distinguir los pacientes que realmente se beneficiaron de los que no”, afirmó Zhuoyan Shen, investigador principal del estudio y miembro del Departamento de Física Médica e Ingeniería Biomédica del University College London. “Esto demuestra cómo la IA puede revelar biología tumoral que es difícil de medir de forma consistente por medios convencionales”, añadió.
La biología detrás del hallazgo guarda coherencia con lo que se sabe sobre el entorno que rodea a los tumores: el tejido de soporte que predomina en los tumores de baja densidad celular se asocia con mayor resistencia a los tratamientos y con peores pronósticos en distintos tipos de cáncer. Los tumores con alta densidad celular, al presentar menos tejido de soporte, parecen responder mejor a la intensificación del tratamiento con este fármaco.
El hallazgo tiene una implicancia directa sobre la práctica clínica: irinotecan produce efectos secundarios serios, entre ellos diarrea intensa y descenso en el recuento de glóbulos blancos, las células del sistema inmune encargadas de combatir infecciones. Por eso, los médicos solo lo incorporan cuando hay evidencia sólida de que el paciente se beneficiará. Sin una forma confiable de identificar a ese paciente de antemano, el fármaco quedaba fuera de consideración para todos por igual.
La inteligencia artificial ofrece precisamente esa posibilidad. Con el análisis de la biopsia tomada antes de iniciar el tratamiento, el sistema puede anticipar qué pacientes tienen alta densidad celular tumoral y, por tanto, cuáles tienen probabilidades de responder favorablemente.
“Los médicos necesitan maneras confiables de identificar quién tiene más probabilidades de beneficiarse antes de que comiencen esos tratamientos, para evitar efectos secundarios potenciales”, afirmó la profesora Maria Hawkins, autora principal del trabajo, médica del University College London Hospitals y miembro del mismo departamento que Shen.
“Nuestros hallazgos muestran que los médicos asistidos por IA pueden determinar qué pacientes probablemente se beneficiarán del tratamiento más intensivo antes de que este comience”, añadió Hawkins.
