Ver traducción automática
Esta es una traducción automática. Para ver el texto original en inglés haga clic aquí
#Novedades de la industria
{{{sourceTextContent.title}}}
Herramienta de AI para predecir la efectividad de la terapia de puntos de control
{{{sourceTextContent.subTitle}}}
Investigadores de la Universidad Case Western Reserve han desarrollado una nueva herramienta computacional para predecir, basada en imágenes por TC, si los pacientes con cáncer de pulmón se beneficiarán de la terapia de inhibidores del cáncer con control inmunológico. Este es un desarrollo emocionante para los pacientes que sufren de cáncer de pulmón, y puede algún día ayudar a informar las decisiones médicas.
{{{sourceTextContent.description}}}
Actualmente, no hay biomarcadores predictivos que indiquen si los pacientes con cáncer de pulmón de células no pequeñas (CPCNP) se beneficiarán de la terapia con inhibidores de control inmunológico, una nueva forma de terapia para el cáncer que ayuda al sistema inmunitario del cuerpo a combatir el cáncer de manera más efectiva. Actualmente, sólo 1 de cada 5 pacientes con CPCNP se beneficia del tratamiento con inhibidores del punto de control inmunológico. Con el fin de informar mejor la toma de decisiones médicas, los investigadores desarrollaron una herramienta computacional para predecir si los pacientes se beneficiarían de la terapia basada en imágenes de TC de los pulmones.
Un paciente de la NSLC primero se sometería a una tomografía computarizada, lo que ayudaría a visualizar el nódulo tumoral en los pulmones. La herramienta computacional analiza el tamaño del nódulo, junto con características más sutiles como la textura y la forma. Estas características se utilizan para predecir si un paciente responderá o no a la terapia de control inmunológico. Los investigadores entrenaron un clasificador de análisis discriminante lineal (LDA) usando datos de 139 pacientes de NSLC para esta tarea, pero el sistema probablemente puede ser mejorado con un conjunto de datos más grande.
Usando múltiples conjuntos de datos para la capacitación y validación, los investigadores encontraron un área bajo la curva de 0.81 a 0.85 para identificar a los que respondieron de los que no respondieron. También identificaron que las características radiológicas que identificaron estaban asociadas con una mayor infiltración de células inmunitarias en el tejido pulmonar, basándose en biopsias diagnósticas realizadas en algunos de los pacientes del estudio. El trabajo futuro incluirá la prueba del algoritmo en casos de otros sitios clínicos y con diferentes agentes de inmunoterapia.
"Esto es importante porque cuando un médico decide, basándose sólo en imágenes por TAC, si un paciente ha respondido a la terapia, a menudo se basa en el tamaño de la lesión", dijo Mohammad Khorrami, un estudiante graduado y coautor del estudio, en un comunicado de prensa de Case Western. "Hemos encontrado que el cambio de textura es un mejor predictor de si la terapia está funcionando.
"Esta es una demostración del valor fundamental del programa, que nuestro modelo de aprendizaje automático podría predecir la respuesta en pacientes tratados con diferentes inhibidores del punto de control inmunológico", dijo Prateek Prasanna, investigador asociado postdoctoral y coautor del estudio. "Estamos tratando con un principio biológico fundamental."
El estudio en la revista Cancer Immunology Research: Los cambios en las características radiómicas de la TC asociadas con la distribución de linfocitos predicen la supervivencia general y la respuesta a la inmunoterapia en el cáncer de pulmón de células no pequeñas