Mediante el aprovechamiento del análisis multiómico y las técnicas de aprendizaje automático, el equipo de investigación dirigido por el profesor Shuo Wang (Instituto de Microbiología, Academia China de Ciencias) desarrolló un modelo de puntuación de riesgo relacionado con la respuesta inmunitaria (IRRS) para predecir el pronóstico y la respuesta a la inmunoterapia en pacientes con cáncer colorrectal (CCR).

El estudio integró datos clínicos y perfiles transcriptómicos del TCGA-CRC y seis cohortes de validación para identificar una firma multigénica robusta.

Mediante la selección de características basada en el aprendizaje automático, el equipo identificó 13 genes inmunológicos básicos (IL18BP, RSAD2, G0S2, SIGLEC1, SFRP2, IFI44L, ISG20, IFIT1, OLR1, SAMHD1, HK3, PTAFR, CSF1) que desempeñan un papel fundamental en la regulación del microambiente inmunológico tumoral y la respuesta a la inmunoterapia.

El modelo IRRS, construido utilizando Random Survival Forest (RSF) y regresión Lasso, fue validado en múltiples conjuntos de datos y demostró un rendimiento predictivo superior.

En los conjuntos de datos GSE91061, GSE78220 e IMvigor210, el IRRS estratificó eficazmente a los pacientes en grupos de alto y bajo riesgo, con diferencias significativas de supervivencia.

El análisis ROC confirmó que el IRRS superó al TIDE en la predicción de la respuesta a la inmunoterapia, con valores de AUC más altos en todos los conjuntos de datos.

En particular, las puntuaciones más altas del IRRS se correlacionaron con una menor supervivencia y una menor activación inmunitaria, mientras que las puntuaciones bajas del IRRS se asociaron con un mejor pronóstico y una mayor infiltración inmunitaria.

Para investigar más a fondo los mecanismos biológicos subyacentes al IRRS, los investigadores llevaron a cabo análisis de infiltración inmunitaria y estudios de enriquecimiento de vías.

Los resultados revelaron que los pacientes con IRRS de bajo riesgo presentaban niveles más altos de infiltración de células inmunitarias, en particular células T+ CD8 y células asesinas naturales (NK), lo que sugiere una mayor respuesta inmunitaria antitumoral.

Además, se analizaron modificaciones epigenéticas, como los patrones de metilación del ADN, que pusieron de relieve posibles mecanismos reguladores que afectan a la expresión génica en pacientes de alto riesgo frente a pacientes de bajo riesgo.

«Estos hallazgos demuestran que las firmas moleculares inmunológicas pueden servir como predictores fiables del pronóstico del CCR y de la respuesta a la inmunoterapia», dijo el Dr. Wang.

«El modelo IRRS proporciona una alternativa clínicamente relevante y superior a las herramientas predictivas existentes, allanando el camino para estrategias de inmunoterapia más personalizadas y eficaces».

Si bien el consenso científico actual sugiere que los modelos tradicionales de riesgo de CCR se basan en gran medida en la estadificación TNM, este estudio presenta un cambio de paradigma al incorporar la dinámica del sistema inmunológico en la evaluación de riesgos.

Los hallazgos subrayan la importancia del aprendizaje automático y la integración de datos multi-ómicos en el desarrollo de herramientas de oncología de precisión para el tratamiento del CCR.

Las futuras direcciones incluyen la expansión del modelo IRRS a otros tipos de cáncer y el perfeccionamiento de su poder predictivo a través de la validación clínica multicéntrica.

El estudio sienta las bases para los enfoques de inmunoterapia de precisión de próxima generación, animando a los investigadores a seguir explorando las firmas inmunes en el tratamiento del cáncer.

Fuente: Tsinghua University Press