Los investigadores de la Clínica Cleveland, dirigidos por el doctor Federico Aucejo, director del Programa de Cáncer de Hígado y director quirúrgico de la Clínica de Tumores Hepáticos, han colaborado con Owkin para desarrollar y validar un modelo de aprendizaje profundo que predice la supervivencia y el resultado de los pacientes con CHC tras el trasplante de hígado.

Los resultados se presentaron en el congreso de la Sociedad Europea de Oncología Médica (ESMO) de 2021.

Para ello, se utilizaron 298 imágenes de diapositivas completas teñidas con hematoxilina/eosina y datos clínicos de pacientes con CHC que se sometieron a un trasplante de hígado en la Clínica Cleveland.

Los resultados mostraron que el modelo de aprendizaje profundo entrenado en los datos histopatológicos predijo la recurrencia entre los pacientes trasplantados tanto en la cohorte completa como en los subgrupos de pacientes tratados con o sin terapia loco-regional antes del trasplante.

Estos resultados fueron comparables a un modelo separado que incorporaba datos clínicos, biológicos y patológicos.

Lo más significativo es que las combinaciones de los modelos histológicos y clínicos superaron los sistemas de puntuación utilizados actualmente en la literatura.

En conjunto, este estudio demuestra el poder pronóstico del aprendizaje profundo aplicado a las diapositivas histológicas para predecir la recurrencia de los pacientes con CHC después del trasplante de hígado.

"La tecnología de aprendizaje automático está surgiendo para revolucionar el mundo en el que vivimos. Se espera que su aplicación en las poblaciones de pacientes, la estratificación del riesgo y la medicina personalizada mejore la seguridad y permita un entorno sanitario más rentable.

En este sentido, las asociaciones y alianzas entre las redes sanitarias y la industria tecnológica serán fundamentales para allanar el camino hacia este cambio de paradigma", afirmó el Dr. Aucejo. "Esta colaboración dio como resultado el desarrollo de un algoritmo para predecir el resultado en pacientes sometidos a trasplante de hígado con CHC mediante el escrutinio de diapositivas digitales de histopatología. Este enfoque demostró ser superior para predecir la recurrencia del tumor que las métricas convencionales".

"Nuestra investigación colaborativa pretende avanzar en la predicción de los resultados de los pacientes con CHC e identificar marcadores de pronóstico tras el tratamiento. La riqueza y la singularidad de las cohortes de investigación de Cleveland Clinic, junto con la amplia experiencia de Owkin en el desarrollo de modelos predictivos de IA, pueden allanar el camino para una ciencia innovadora y con visión de futuro y permitirá la oportunidad de desarrollar aún más nuestra colaboración en futuras áreas de investigación", dijo Meriem Sefta, PhD, Jefe de Datos y Soluciones Clínicas.

El CHC es una de las principales causas de muerte relacionadas con el cáncer en el mundo, y representa aproximadamente el 90% de los cánceres primarios de hígado. En la actualidad, el trasplante de hígado sigue siendo el mejor tratamiento para los pacientes cirróticos con CHC en fase inicial; sin embargo, la recurrencia del tumor tras el trasplante de hígado se observa en el 15-20% de los casos, lo que se correlaciona con una mala supervivencia.

Además, en la actualidad no existen marcadores histológicos fiables de la supervivencia libre de recaídas en pacientes con CHC tras el trasplante de hígado, lo cual es fundamental para predecir el pronóstico de los pacientes.

Sobre la base de estos resultados, los modelos adicionales de aprendizaje profundo y los modelos multimodales desarrollados sobre datos de imágenes médicas, moleculares y genómicos, además de los datos clínicos e histopatológicos, arrojarán más información sobre el diagnóstico y los biomarcadores que pueden predecir el pronóstico del CHC y la supervivencia después del tratamiento para mejorar la atención de los pacientes y los resultados a largo plazo.

Fuente: Owkin, Inc.