Investigadores de Mayo Clinic y colaboradores han demostrado que una herramienta de inteligencia artificial (IA) puede analizar preparaciones histopatológicas de rutina para ayudar a los profesionales clínicos a clasificar los meningiomas, el tumor cerebral primario más frecuente en adultos, y comprender mejor el riesgo de recurrencia tumoral de un paciente.
El estudio, publicado en The Lancet Digital Health, demuestra que los modelos de aprendizaje profundo pueden facilitar la extracción de información molecular y pronóstica a partir de preparaciones estándar teñidas con hematoxilina y eosina (H&E) el mismo tipo de imágenes tisulares que ya se utiliza habitualmente en la práctica clínica. Esta información suele obtenerse mediante el perfil de metilación del ADN, una prueba genética avanzada que proporciona valiosa información diagnóstica y pronóstica, pero que puede resultar costosa, requerir mucho tiempo y no está disponible en muchos hospitales.
“Este es uno de los muchos estudios en los que podemos aprovechar el potencial de la patología digital al incorporar a los algoritmos de IA el conocimiento genómico y molecular acumulado durante las últimas dos décadas”, afirma Gelareh Zadeh, M.D., Ph.D., jefa del Departamento de Neurocirugía de Mayo Clinic en Rochester y directora médica ejecutiva de la Plataforma Mayo Clinic, como titular de la cátedra honorífica «David C. and Flora C. Pratt».
Hacer más accesible la información avanzada sobre los tumores
Los meningiomas pueden presentar comportamientos muy diversos. Algunos crecen lentamente y pueden no reaparecer nunca tras el tratamiento, mientras que otros son más agresivos y tienen una mayor probabilidad de recurrencia. Comprender ese riesgo es fundamental para los pacientes y los equipos asistenciales a la hora de decidir si será necesario un tratamiento adicional, como la radioterapia, después de la cirugía.
Las pruebas moleculares pueden ayudar a identificar qué tumores tienen más probabilidades de reaparecer y cuáles podrían responder de manera diferente al tratamiento. Sin embargo, estas pruebas requieren tecnología especializada y conocimientos técnicos específicos, lo que limita el acceso para muchos pacientes.
Utilizando muestras de tejido, imágenes de anatomía patológica y datos clínicos de 672 pacientes, los investigadores desarrollaron y evaluaron modelos de IA diseñados para ayudar a identificar patrones relacionados con la biología tumoral. Basándose en múltiples conjuntos de datos desidentificados, incluidos recursos de datos de la Plataforma Mayo Clinic, los modelos permitieron clasificar subtipos de meningioma y predecir el riesgo de recurrencia utilizando preparaciones histopatológicas estándar que ya forman parte de la atención habitual al paciente.
Los resultados sugieren que, con una validación adicional, las herramientas basadas en IA podrían ayudar algún día a los profesionales clínicos a obtener información más detallada sobre los tumores para orientar la atención al paciente, sin necesidad de que todos los pacientes se sometan a pruebas genéticas avanzadas.
Ayudar a orientar las decisiones terapéuticas
En los pacientes con meningiomas, el riesgo de recurrencia puede influir en el seguimiento clínico, la frecuencia de las pruebas de imagen y la conveniencia de considerar la radioterapia. El estudio constató que las predicciones basadas en IA seguían siendo útiles incluso después de tener en cuenta factores clínicos tradicionales, como el grado tumoral, la extensión de la resección quirúrgica y la edad del paciente.
Los investigadores también observaron que los modelos de IA podían identificar patrones de heterogeneidad tumoral diferencias dentro de un mismo tumor que podrían ayudar a explicar por qué algunos tumores presentan un comportamiento más agresivo o responden de manera diferente al tratamiento.
Los investigadores señalan que serán necesarios estudios prospectivos adicionales antes de que los modelos de IA puedan utilizarse de forma rutinaria en la práctica clínica. Aun así, afirman que los resultados sientan las bases para una atención más accesible y personalizada para los pacientes con meningiomas y, potencialmente, para enfoques similares basados en IA en otros tipos de cáncer.
Como ocurre con cualquier herramienta de apoyo a la toma de decisiones clínicas, los investigadores subrayan que estos modelos requerirán una evaluación rigurosa, validación y supervisión médica continuada antes de que puedan considerarse aptos para su uso habitual. “El objetivo es hacer que estos algoritmos sean fácilmente accesibles y sencillos de utilizar a escala global, mejorando la atención al paciente en múltiples entornos sanitarios”, afirma la Dra. Zadeh.