AI la leucemia mieloide crónica
Científicos en Singapur, de la Escuela de Medicina Duke-NUS, del Instituto de Genómica de Singapur de A*STAR (GIS), y del Hospital General de Singapur (SGH), junto con sus colegas, han aprovechado el poder de la inteligencia artificial (IA) para acelerar la identificación de biomarcadores cruciales que pueden predecir la no respuesta de los pacientes con leucemia mieloide crónica (LMC) a los tratamientos convencionales. Este diagnóstico temprano permite a los pacientes recibir trasplantes de médula ósea potencialmente salvadores durante las etapas iniciales de la enfermedad.
La LMC es una forma de cáncer de sangre desencadenada por una mutación genética que activa permanentemente una enzima llamada tirosina quinasa. Esta mutación ocurre en una célula madre de la sangre dentro de la médula ósea, causando que se transforme en una célula leucémica agresiva que eventualmente suplanta la producción de sangre saludable.
El tratamiento estándar para la LMC implica inhibidores de la tirosina quinasa (TKIs), que desactivan la enzima hiperactiva resultante de la mutación genética. Sin embargo, las respuestas individuales a estos medicamentos varían significativamente. Algunos pacientes responden excepcionalmente bien, lo que conduce a expectativas de vida comparables a las de los individuos normales. En el otro extremo del espectro, ciertos pacientes muestran una respuesta mínima, y su enfermedad progresa a un estado agresivo conocido como crisis de blastos, que es resistente a todas las terapias estándar. Dado que el trasplante de médula ósea es la única opción de tratamiento para la crisis de blastos, realizarlo durante las primeras etapas de la enfermedad tiene la mayor efectividad. Detectar la resistencia a los TKI en los pacientes con antelación puede marcar la diferencia entre la supervivencia y la muerte prematura.
El profesor asociado Ong Sin Tiong, autor principal del estudio del Programa de Biología del Cáncer y Células Madre de Duke-NUS, enfatizó, «Nuestro trabajo indica que será posible detectar a los pacientes destinados a sufrir una crisis de blastos cuando vean por primera vez a su hematólogo. Esto puede salvar vidas ya que los trasplantes de médula ósea para estos pacientes son más efectivos durante las primeras etapas de la LMC». La Dra. Vaidehi Krishnan, científica principal de investigación del programa CSCB y primera autora del estudio, agregó, «Basándonos en estos hallazgos, nuestro objetivo es desarrollar pruebas clínicas simples que puedan aconsejar a los médicos sobre la elección óptima de tratamiento en el momento del diagnóstico».
El equipo de investigación aprovechó el análisis de células individuales junto con el poder de la IA para predecir la respuesta al medicamento en la leucemia. Al generar un ‘atlas’ decélulas a partir de muestras de médula ósea tomadas de individuos sanos y pacientes con LMC antes del tratamiento, el equipo obtuvo conocimientos sobre los diferentes tipos de células y sus proporciones en cada muestra. Realizaron una secuenciación de ARN de células individuales y emplearon algoritmos de aprendizaje automático para identificar los genes y los procesos moleculares activados o desactivados en cada célula.
El estudio reveló ocho características estadísticamente significativas en las células de la médula ósea antes del tratamiento que estaban asociadas con la sensibilidad o la resistencia extrema al tratamiento con inhibidores de la tirosina quinasa. Los pacientes mostraron una mayor probabilidad de responder bien al tratamiento si sus muestras de médula ósea mostraban una mayor inclinación hacia los glóbulos rojos prematuros y un tipo específico de ‘célula asesina natural’ que destruye los tumores. A medida que las proporciones de estas células en la médula ósea cambiaban, las respuestas de los pacientes al tratamiento variaban.
Esta investigación podría allanar el camino para identificar objetivos farmacológicos para prevenir o retrasar la resistencia al tratamiento y la crisis de blastos en pacientes con leucemia mieloide crónica. El profesor asociado Charles Chuah, del Programa CSCB de Duke-NUS y consultor senior en el Departamento de Hematología, SGH, y NCCS, expresó su optimismo sobre los mejores resultados de tratamiento para los pacientes con LMC, afirmando, «Saber qué tratamiento funciona mejor para nuestros pacientes mejorará aún más estos resultados, y estamos emocionados por la posibilidad de poder hacerlo».
El siguiente paso para el equipo implica desarrollar una prueba predictiva para la resistencia al tratamiento basada en estos hallazgos, que puede ser empleada de manera rutinaria por los hospitales en sus protocolos de atención al paciente.
Fuente:
