A medida que los casos de cáncer han aumentado en todo el mundo, la enfermedad se ha vuelto más compleja, lo que plantea retos para los avances científicos en materia de diagnóstico y tratamiento.

En este contexto, la inteligencia artificial (IA) se ha convertido en una herramienta valiosa para predecir y detectar casos.

Una herramienta desarrollada por investigadores brasileños y polacos puede contribuir a este proceso.

El modelo de aprendizaje automático puede predecir la agresividad de ciertos tumores mediante la identificación de proteínas específicas.

Genera un índice de stemness que va de cero a uno, donde cero indica baja agresividad y uno indica alta agresividad.

A medida que el índice aumenta, el cáncer tiende a volverse más agresivo y resistente a los medicamentos, y más propenso a reaparecer.

El grado de stemness indica el grado de similitud de las células tumorales con las células madre pluripotentes, que pueden transformarse en casi cualquier tipo de célula del cuerpo humano.

A medida que la enfermedad avanza, las células malignas se vuelven cada vez menos similares al tejido del que se originaron.

Estas células se autorrenuevan y presentan un fenotipo indiferenciado.

Los científicos desarrollaron la herramienta utilizando conjuntos de datos del Consorcio de Análisis Proteómico Clínico de Tumores (CPTAC) para 11 tipos de cáncer.

A continuación, desarrollaron el índice de stemness basado en la expresión de proteínas (PROTsi).

Analizaron más de 1300 muestras de cáncer de mama, ovario, pulmón (carcinoma escamoso y adenocarcinoma), riñón, útero, cerebro (pediátrico y adulto), cabeza y cuello, colon y páncreas.

Al integrar el PROTsi con datos proteómicos de 207 células madre pluripotentes, el grupo identificó proteínas que impulsan la agresividad de algunos tipos de estos tumores.

Estas moléculas pueden ser objetivos potenciales para nuevas terapias generales o específicas.

Así, la herramienta contribuye no solo al avance del desarrollo clínico de los tratamientos, sino también a la personalización de la terapia contra el cáncer.

Los hallazgos del estudio y los resultados de la validación se publicaron en la revista científica Cell Genomics.

«Muchas de estas proteínas ya son objetivos de fármacos disponibles en el mercado para pacientes con cáncer y otras enfermedades. Pueden probarse en futuros estudios basados en esta identificación. Llegamos a ellas asociando el fenotipo de stemness con la agresividad tumoral», explicó la profesora Tathiane Malta, del Laboratorio de Multiómica y Oncología Molecular de la Facultad de Medicina de Ribeirão Preto de la Universidad de São Paulo (FMRP-USP) en Brasil, en declaraciones a la Agencia FAPESP.

Malta es la autora correspondiente del artículo, junto con el profesor Maciej Wiznerowicz, de la Universidad de Ciencias Médicas de Poznan, en Polonia.

Cuenta con el apoyo de la FAPESP a través del programa de Becas para Jóvenes Investigadores (proyectos 19/14928-1 y 18/00583-0).

La profesora fue una de las ganadoras de un premio en 2022 que tiene como objetivo promover y reconocer la participación de las mujeres en la ciencia, en reconocimiento a su trabajo a lo largo de los años.

En 2018, fue la primera autora de un artículo publicado en Cell, resultado de su investigación posdoctoral.

En el artículo, su grupo desarrolló un índice de stemness que permite medir objetivamente la similitud entre muestras tumorales y células madre pluripotentes (más información en agencia.fapesp.br/27518).

«En aquel momento, desarrollamos el algoritmo basado en el aprendizaje automático utilizando la base de datos pública de tumores mantenida por The Cancer Genome Atlas [TCGA] en Estados Unidos. Nos basamos en datos de expresión génica, cuantificando el ARN, y datos epigenómicos, con metilación del ADN. Ahora estamos trabajando con la base de datos CPTAC, basada en la proteómica, y hemos actualizado nuestro trabajo con análisis de proteínas, una molécula funcional que puede aplicarse a posibilidades de tratamiento y aplicaciones clínicas», añade Malta.

Según los resultados obtenidos hasta ahora, PROTsi tiene una correlación positiva con las puntuaciones de stemness derivadas de transcriptomas publicados anteriormente, incluido el modelo de 2018.

PROTsi fue más eficaz para distinguir entre muestras tumorales y no tumorales, por ejemplo.

Renan Santos Simões, asesor de Malta y coautor principal del artículo junto con Iga Kołodziejczak-Guglas, del Instituto Internacional de Oncología Molecular de Poznan (Polonia), afirma que los avances realizados en la caracterización de la stemness y la consideración de los niveles de proteínas y sus modificaciones allanan el camino para una comprensión más profunda de la progresión tumoral y los mecanismos de resistencia a las terapias actuales.

«La ciencia avanza lentamente, con cuidado, y es construida por muchas manos. Es gratificante darse cuenta de que estamos contribuyendo a este proceso. Eso es lo que nos motiva: saber que lo que hacemos hoy puede marcar una diferencia real para los pacientes, mejorando los tratamientos y la calidad de vida», afirma Simões, becario de la FAPESP.

El investigador brasileño Emerson de Souza Santos, también alumno de Malta, participó igualmente en la investigación.

Imagen

En el último Día Mundial contra el Cáncer, celebrado el 4 de febrero, la Organización Mundial de la Salud (OMS) advirtió de que cada minuto se diagnostica cáncer a 40 personas en todo el mundo que necesitan tratamiento.

Los tumores son una de las principales causas de muerte y afectan sobre todo a la población joven.

Un estudio de 2023 publicado en BMJ Oncology reveló que la incidencia del cáncer de aparición temprana en adultos menores de 50 años aumentó un 79 % entre 1990 y 2019, junto con un aumento del 28 % en las muertes relacionadas con el cáncer.

El estudio analizó 29 tipos de cáncer en 204 países.

El Instituto Nacional del Cáncer (INCA) de Brasil estima que habrá 704 000 nuevos casos de cáncer al año durante el periodo comprendido entre 2023 y 2025.

Según Estimación para 2023: incidencia del cáncer en Brasil, los tumores malignos más comunes son el cáncer de piel no melanoma (31 % del total de casos), seguido del cáncer de mama en mujeres (10,5 %), el cáncer de próstata (10 %), el cáncer de colon y recto (6,5 %), el cáncer de pulmón (4,6 %) y el cáncer de estómago (3 %).

Resultados

Durante el proceso de validación, PROTsi demostró un rendimiento constante en múltiples conjuntos de datos.

Distinguió claramente entre células madre y células diferenciadas, con diferentes tumores situados en varios niveles intermedios.

PROTsi demostró su capacidad predictiva en casos de cáncer de útero y de cabeza y cuello, por ejemplo.

Además, la herramienta fue más eficaz para diferenciar tumores de grado más alto en muestras de adenocarcinoma, cáncer de útero, páncreas y cerebro pediátrico.

«Buscábamos crear un modelo que pudiera aplicarse a cualquier tipo de cáncer, pero descubrimos que funciona mejor para algunos que para otros. Estamos poniendo a disposición una fuente de datos para futuros trabajos», afirma Malta.

Según el profesor, el grupo de la USP está probando otros modelos computacionales con el fin de mejorar las predicciones.

Fuente: Fundação de Amparo à Pesquisa do Estado de São Paulo