Un estudio liderado por investigadores del Hospital del Mar en colaboración con la Universidad Pompeu Fabra (UPF), ambos en Barcelona (España), permite avanzar en la comprensión de cómo actúa con éxito el tratamiento con inmunoterapia en pacientes con cáncer de vejiga gracias al empleo de un algoritmo de aprendizaje automático.
Este estudio, liderado por los Grupos de Investigación en Informática Biomédica (GRIB) y de Cáncer del Instituto de Investigación del Hospital del Mar en colaboración con la Universidad Pompeu Fabra (UPF), ha sido publicado por la revista Nature Communications.
En la investigación, se han podido identificar marcadores predictores de la respuesta al tratamiento con inmunoterapia gracias al análisis masivo de datos de más de 700 pacientes procedentes de 6 cohortes diferentes.
Se trata de un trabajo de alta relevancia que impacta en el tratamiento a los pacientes con cáncer de vejiga, ya que el uso de herramientas de aprendizaje automático han permitido identificar las variables clave para el éxito del tratamiento con inmunoterapia.
Esta metodología innovadora ha determinado qué subtipos de tumor responden mejor al tratamiento con inmunoterapia, y también responder a preguntas como ¿qué influye en el éxito o el fracaso del tratamiento con inmunoterapia en pacientes con cáncer de vejiga avanzado?.
También da pie a responder ¿cuál es el motivo por el que solo el 20 % de los casos de cáncer de vejiga avanzados responden al tratamiento con inmunoterapia?.
El estudio ha sido coordinado por Mar Albà, Júlia Perera y Joaquim Bellmunt, y también ha participado Robert Castelo, del departamento de Medicina y Ciencias de la Vida (MELIS) de la universidad.
Los resultados de este estudio, el más importante llevado a cabo hasta ahora en este tipo de cáncer, podrían aplicarse a otros tipos de cáncer.
De la investigación se ha concluido que, de los cinco subtipos de tumores en este tipo de cáncer, el que mejor respuesta tiene ante este abordaje es el más raro, el subtipo neuronal, mientras que el resto presenta una tasa de respuesta más baja.
Como explica Lilian Marie Boll, investigadora del GRIB, han visto que, en un subgrupo de pacientes con cáncer de vejiga avanzado, los marcadores descritos hasta ahora funcionan bien para predecir respuesta al tratamiento.
En el resto, en cambio, “creemos que la respuesta depende de otros factores biológicos, campo en el que habría que continuar investigando”, ha matizado.
Un algoritmo de aprendizaje automático
El trabajo ha desarrollado un algoritmo de aprendizaje automático para predecir la respuesta al tratamiento en estos pacientes con subtipos de tumor diversos.
Los marcadores que mejor indican si el tratamiento tendrá éxito son la carga mutacional tumoral, es decir, el número de mutaciones del tumor, las mutaciones introducidas por las enzimas de la familia APOBEC vinculadas con la heterogeneidad tumoral, y la abundancia de macrófagos, células del sistema inmunitario, proinflamatorios.
Al mismo tiempo, han sido identificados marcadores en el microambiente alrededor del tumor que impiden que el tratamiento funcione.
A parte de estos marcadores conocidos, el gran número de pacientes analizados ha permitido identificar un tipo de mutaciones raras que podría provocar la presentación de nuevos fragmentos de proteínas en la superficie del tumor, haciéndolas así visibles al sistema inmunitario.
La doctora Júlia Perera Bel, investigadora también del GRIB, explica que han visto que, como ya se sabía, “la infiltración de células inmunitarias en el tumor es importante, pero no es el único indicador de respuesta al tratamiento, ni lo es para todos los pacientes”.
Dividir los pacientes con y sin infiltración inmunitaria
De hecho, los investigadores han visto que, si dividen a los pacientes con y sin infiltración inmunitaria, el algoritmo es más preciso y prioriza diferentes marcadores en cada caso.
“Lo importante de nuestro estudio -añade Lilian Marie Bell- es entender los mecanismos de respuesta dentro de estos subgrupos, no tratando todo el cáncer de vejiga como una unidad”.
Los resultados muestran también la importancia de la relación entre la biología del tumor y el microambiente inmunológico que lo rodea con la respuesta al tratamiento, así como la necesidad de tener en cuenta los factores de cada subtipo de tumor a la hora de seleccionar el abordaje más conveniente.
Por este motivo es tan importante, según el equipo responsable del trabajo, disponer de grandes cantidades de datos de pacientes para ser capaces de desarrollar modelos computacionales predictivos.
Vía: EFE
