El Hospital público 12 de Octubre participa en una investigación que utiliza la IA para predecir la respuesta a inmunoterapia en cáncer de pulmón
Resumen autogenerado por OpenAI
Audios generados (reproducción automática)
Los audios se reproducen de forma automática uno detrás de otro. Haz clic en el icono para descargar el audio o aumentar/disminuir la velocidad de reproducción.
Debido al tamaño del artículo, la generación del audio puede tardar unos segundos y es posible que se generen varios audios para un mismo artículo.
El Hospital público 12 de Octubre de la Comunidad de Madrid participa en un estudio que utiliza la Inteligencia Artificial (IA) como ayuda en la predicción de respuesta a inmunoterapia en cáncer de pulmón, a partir de datos del mundo real, la historia clínica y hemogramas de control obtenidos durante los primeros ciclos de tratamiento. En este trabajo, que ha sido publicado en la revista 'Cancer Immunology, Immunotherapy', colaboran también, junto a la Universidad Politécnica de Madrid, el Consorcio Centro de Investigación Biomédica en Red (CIBERBBN), el Centro de Investigación Biomédica en Red de Cáncer (CIBERONC), el Instituto de Investigación Sanitaria-Fundación Jiménez Díaz y la Clínica Universidad de Navarra no Universitaria.
El cáncer de pulmón es la principal causa de muerte por cáncer en el mundo, con una tasa de supervivencia a los 5 años del 5 por ciento para los casos más avanzados con metástasis. En los últimos años se han desarrollado diversas terapias basadas en fomentar la respuesta inmune y bloquear los sistemas desarrollados por las células tumorales para evitar esta respuesta. Este tipo de tratamientos se conocen como inmunoterapias y no sólo ha permitido mejorar el pronóstico de los pacientes con este tipo de cánceres tan agresivos, sino evitar la aparición de efectos secundarios asociados a tratamientos más clásicos como la quimioterapia.
Numerosos estudios se han enfocado en estudiar las rutas metabólicas y de señalización celular asociadas a la respuesta inmune en profundidad. No obstante, debido a la variabilidad inmune existente entre los pacientes, tanto por factores internos como externos, la respuesta a las inmunoterapias es muy diversa. Así, una fracción muy relevante de pacientes elegibles para el tratamiento acaban progresando, a pesar de observar que en un primer momento respondían al tratamiento.
Los investigadores han desarrollado y validado un algoritmo de inteligencia artificial capaz de predecir con precisión qué pacientes responderán a la inmunoterapia a partir de datos del mundo real (DMR o real world data RWD). Este sistema se basa únicamente en información disponible en la historia clínica y hemogramas de control obtenidos durante los primeros ciclos de tratamiento, bajo la hipótesis de que la respuesta durante el inicio del tratamiento nos puede dar pistas de la evolución del paciente a largo plazo.
Para monitorizar la respuesta, únicamente se han usado datos relacionados con el estado del paciente, las reacciones adversas inmunomediadas y las analíticas de sangre de los pacientes que se realizan, generalmente cada ciclo de inmunoterapia. El modelo propuesto usa información sobre la presencia de metástasis en el sistema nervioso central, la aparición de neumonitis o colitis al comienzo de la inmunoterapia y el diagnóstico de diabetes tipo I, además de las variables de hemograma lactato deshidrogenasa, el conteo absoluto de linfocitos y el ratio plaquetas/linfocitos en sangre, estas recogidas en el tiempo. Los resultados obtenidos, publicados en la revista Cancer Immunology, Immunotherapy, han demostrado que es posible obtener buenas predicciones con información fácilmente disponible.
Esto supone un paso más en la medicina personalizada, permitiendo mejorar la eficacia del tratamiento, enfocar los ensayos clínicos en los pacientes con mayor riesgo de progresión y minimizar la aparición de efectos secundarios innecesarios, además de contribuir a la reducción de costes sanitarios.
Este trabajo ha sido financiado por el Ministerio de Ciencia e Innovación, Agencia Estatal de Investigación, con cofinanciación del Fondo Europeo de Desarrollo Regional (FEDER). Asimismo, ha recibido financiación del proyecto INGENIO del Instituto de Salud Carlos III (ISCIII) y de los fondos Next Generation UE. Además, ha sido parcialmente financiado por la beca Leonardo a investigadores y creadores culturales 2019 de la Fundación BBVA y por el proyecto MAGERIT-CM, en el marco del programa de I+D en Tecnologías de la Comunidad de Madrid.
Enlaces de interés:
https://doi.org/10.1007/s00262-025-03966-9
