Una herramienta de IA ayuda a predecir el riesgo de recaída del cáncer de colon

Un equipo de investigadores de la Universidad La Trobe (Australia) ha desarrollado una herramienta de inteligencia artificial (IA) capaz de identificar qué pacientes con cáncer de colon en estadio dos tienen un mayor riesgo de recaída tras la cirugía. El avance podría facilitar que quienes presentan un peor pronóstico reciban un seguimiento más estrecho o tratamientos complementarios, como la quimioterapia, de forma más precoz.

El estudio, publicado en la revista Gastroenterology, describe el desarrollo de SÉMIL (Semantically-Enhanced Multiple Instance Learning), un algoritmo que combina el análisis de imágenes histológicas con información descriptiva de las muestras para evaluar el riesgo de recurrencia del tumor.

Para validar la herramienta, los investigadores analizaron más de 1.600 muestras histológicas y comprobaron sus resultados en 1.220 pacientes con cáncer de colon en estadio dos pertenecientes a tres cohortes independientes de diferentes instituciones australianas.

Los resultados mostraron que la mayor precisión se alcanzó cuando la valoración realizada por la inteligencia artificial coincidía con la evaluación del patólogo.

Decidir quién necesita quimioterapia

La IA centra su análisis en el denominado frente de invasión del tumor, es decir, la zona por la que el cáncer se extiende hacia el tejido sano. Se trata de una característica con un importante valor pronóstico, aunque su interpretación puede variar entre especialistas.

«Esta información podría utilizarse para ayudar a patólogos y médicos a identificar qué pacientes con cáncer en estadio dos tienen un mayor riesgo de recaída y pueden necesitar un seguimiento más exhaustivo o un tratamiento adicional, como la quimioterapia», explica Francis Magisson, autor principal del estudio e investigador de la Facultad de Informática, Ingeniería y Ciencias Matemáticas de la Universidad La Trobe.

En la actualidad, las guías clínicas suelen recomendar administrar quimioterapia después de la cirugía a los pacientes con cáncer de colon en estadio dos considerados de alto riesgo. Por ello, disponer de herramientas que permitan identificar con mayor precisión a estos pacientes podría mejorar la toma de decisiones clínicas.

Medicina personalizada

Los investigadores destacan que una de las principales ventajas de SÉMIL es que puede integrarse en los sistemas de patología digital ya existentes, sin necesidad de realizar nuevas pruebas ni obtener muestras adicionales de tejido.

«SÉMIL podría integrarse en los flujos de trabajo de patología digital existentes sin necesidad de realizar nuevas pruebas costosas ni tomar muestras de tejido para proporcionar evaluaciones más consistentes y objetivas de la patología del cáncer», señala el profesor asociado Zhen He, responsable del programa de Biología Digital del Instituto de Ciencias Moleculares de la Universidad La Trobe.

El investigador añade que, en el futuro, este tipo de herramientas podrían combinarse con otros biomarcadores para mejorar aún más la estratificación del riesgo y adaptar los tratamientos a las características de cada paciente.

La última decisión será del especialista

Los autores subrayan que la inteligencia artificial no pretende sustituir el criterio médico, sino aportar información adicional que facilite la toma de decisiones.

«Uno de los mayores desafíos en el cáncer de intestino en etapa dos es identificar qué pacientes de mayor riesgo requieren tratamiento y sopesar los beneficios potenciales de administrar quimioterapia frente a los efectos secundarios», afirma el profesor asociado David Williams, patólogo anatómico de Austin Health y del Instituto de Investigación del Cáncer Olivia Newton-John.

«Nuestro estudio demuestra que la evaluación basada en IA tiene el potencial de proporcionar a los patólogos una capa adicional de información que podría ayudar a los médicos a tomar decisiones más fundamentadas sobre las opciones de tratamiento para la siguiente etapa», concluye.

Aunque serán necesarios nuevos estudios antes de su incorporación a la práctica clínica, los investigadores consideran que esta tecnología supone un paso más hacia una medicina de precisión capaz de adaptar el tratamiento al riesgo real de cada paciente.