Herramienta basada en IA ‘mide’ la agresividad del cáncer y abre camino a nuevas terapias

Con el aumento de los casos de cáncer en el mundo, la enfermedad se ha vuelto cada vez más compleja, desafiando a la ciencia en la búsqueda de avances en diagnóstico y tratamiento. En este contexto, la inteligencia artificial (IA) se ha convertido en una aliada en modelos de predicción y detección de casos. Una herramienta desarrollada por investigadores de Brasil y Polonia podría contribuir en este proceso.

El modelo de aprendizaje automático demostró ser capaz de predecir, a través de proteínas específicas, la agresividad de algunos tipos de tumor, generando un índice del grado de stemness que varía de bajo (cero) a alto (uno). A mayor índice, el cáncer tiende a ser más agresivo, resistente a medicamentos y propenso a recaídas.

El grado de stemness se refiere a cuán similares son las células tumorales a las células madre pluripotentes, aquellas con capacidad de transformarse en casi todos los tipos de células del cuerpo humano. Cuanto más avanza la enfermedad, menos se parecen las células malignas al tejido del que se originaron, mostrando autorrenovación y un fenotipo indiferenciado.

Para desarrollar la herramienta, los científicos utilizaron conjuntos de datos del Consorcio de Análisis Proteómico Clínico de Tumores (CPTAC, por sus siglas en inglés), referentes a 11 tipos de cáncer, y desarrollaron el índice de stemness basado en la expresión proteica (PROTsi). Se analizaron más de 1,300 muestras de casos de mama, ovario, pulmón (carcinoma de células escamosas y adenocarcinoma), riñón, útero, cerebro (pediátrico y adulto), cabeza y cuello, colon y páncreas.

Mediante la integración del PROTsi con datos proteómicos de 207 células madre pluripotentes, el grupo identificó proteínas que impulsan la agresividad de algunos de estos tipos de tumores. Estas moléculas pueden ser posibles blancos para nuevas terapias generales o específicas. Así, la herramienta también contribuye a la personalización de las terapias contra el cáncer, además de fomentar el desarrollo clínico de tratamientos.

Los hallazgos del estudio, incluyendo la validación de los resultados, fueron publicados en la revista científica Cell Genomics.

“Muchas de esas proteínas ya son blanco de medicamentos disponibles en el mercado para pacientes con cáncer y otras enfermedades. Pueden probarse en estudios futuros a partir de esta identificación. Llegamos a ellas al asociar el fenotipo de stemness con la agresividad tumoral”, explica a Agência FAPESP la profesora Tathiane Malta, del Laboratorio de Multi-ómica y Oncología Molecular de la Facultad de Medicina de Ribeirão Preto de la Universidad de São Paulo (FMRP-USP), en Brasil.

Malta es autora correspondiente del artículo junto con el profesor Maciej Wiznerowicz, de la Universidad de Ciencias Médicas de Poznan (Polonia), y cuenta con apoyo de la FAPESP a través del programa Apoyo a Jóvenes Investigadores (proyectos 19/14928-1 y 18/00583-0).

Por su trabajo a lo largo de los años, la profesora fue una de las ganadoras en 2022 de un premio destinado a promover y reconocer la participación femenina en la ciencia.

En 2018, Malta fue la primera autora de un artículo publicado en Cell, resultado de su investigación de posdoctorado, en la que el grupo desarrolló un índice de stemness capaz de medir objetivamente el grado de similitud entre muestras tumorales y células madre pluripotentes (lea más en: agencia.fapesp.br/27594).

“En aquel momento desarrollamos el algoritmo basado en aprendizaje automático utilizando la base pública de tumores del The Cancer Genome Atlas [TCGA], en Estados Unidos. Nos basamos en datos de expresión génica, cuantificando ARN, y datos epigenómicos, como la metilación del ADN. Ahora trabajamos con la base del CPTAC, basada en proteómica, y realizamos un update con el análisis de proteína, una molécula funcional que se adapta mejor a las posibilidades terapéuticas y de aplicación clínica”, añade Malta.

En los resultados actuales, el PROTsi se correlacionó positivamente con los puntajes de stemness basados en transcriptomas previamente publicados, incluido el modelo de 2018. Fue más eficaz, por ejemplo, en la distinción entre muestras tumorales y no tumorales.

Para Renan Santos Simões, estudiante de Malta y coautor principal del artículo junto con Iga Kołodziejczak-Guglas, del Instituto Internacional de Oncología Molecular en Poznan (Polonia), el avance logrado en la caracterización del stemness, considerando los niveles de proteína y sus modificaciones, abre camino para una comprensión más profunda de la progresión tumoral y de los mecanismos de resistencia a las terapias actuales.

“La ciencia avanza poco a poco, de forma cuidadosa y construida con muchas manos. Es gratificante darnos cuenta de que estamos contribuyendo a ese proceso. Eso es lo que nos motiva: saber que lo que hacemos hoy puede significar una diferencia real para los pacientes, mejorando los tratamientos y su calidad de vida”, afirma Simões, becário de la FAPESP. La investigación también contó con la participación del brasileño Emerson de Souza Santos, también alumno de Malta.

Cuadro

En el último Día Mundial contra el Cáncer, conmemorado el 4 de febrero, la Organización Mundial de la Salud (OMS) alertó que 40 personas por minuto reciben un diagnóstico de la enfermedad en el mundo, teniendo que someterse a tratamientos oncológicos.

Una de las principales causas de muerte, los tumores han afectado cada vez más a la población joven. Un estudio publicado en 2023 en BMJ Oncology señaló que la incidencia de cáncer de inicio precoz en adultos menores de 50 años aumentó un 79 % entre 1990 y 2019, además de un incremento del 28 % en los fallecimientos. Se analizaron 29 tipos de cáncer en 204 países.

En Brasil, el Instituto Nacional del Cáncer (Inca) estima que habrá 704 mil nuevos casos por año en el trienio 2023-2025. De acuerdo con la publicación Estimativa 2023 – Incidencia de Cáncer en Brasil, los tumores malignos más comunes son: cáncer de piel no melanoma (31 % del total de casos), seguido por cáncer de mama femenino (10.5 %), próstata (10 %), colon y recto (6.5 %), pulmón (4.6 %) y estómago (3 %).

Resultados

En el proceso de validación, el PROTsi mostró un rendimiento consistente en varios conjuntos de datos, diferenciando claramente células madre de células diferenciadas, con distintos tipos de tumores posicionándose en niveles intermedios. En cuanto al desenlace clínico, el PROTsi fue predictivo en casos de cáncer de útero y de cabeza y cuello, por ejemplo.

Además, la herramienta logró distinguir mejor los tumores de mayor grado en muestras de adenocarcinoma, útero, páncreas y cáncer cerebral pediátrico. “Buscamos construir un modelo que pueda aplicarse a cualquier tipo de cáncer, pero vimos que funciona mejor para algunos que para otros. Estamos dejando disponible una fuente de datos para estudios futuros”, afirma Malta.

Según la profesora, el grupo de la USP continúa probando otros modelos computacionales para perfeccionar las predicciones.

El artículo Proteomic-based stemness score measures oncogenic dedifferentiation and enables the identification of druggable targets puede ser leído en: www.sciencedirect.com/science/article/pii/S2666979X25001077?via%3Dihub1.

---

---