Un estudio reciente publicado en Cancer Cell destaca un nuevo enfoque que utiliza inteligencia artificial (IA) para mejorar la estratificación de pacientes con carcinoma urotelial, mejorando las predicciones sobre las respuestas a los inhibidores de puntos de control PD-1 y PD-L1.
Romain Banchereau, PhD, científico senior en Genentech y autor principal, afirmó: "Este estudio representa una gran integración de datos moleculares y clínicos en ensayos aleatorizados, allanando el camino para tratamientos personalizados basados en subtipos moleculares específicos."
A pesar de que los inhibidores de puntos de control han transformado el tratamiento del cáncer, muchos pacientes elegibles no se benefician de estas terapias. Los intentos previos de mejorar la selección de pacientes mediante biomarcadores de PD-L1 han tenido un éxito limitado.
El nuevo método clasifica el carcinoma urotelial en cuatro subtipos basados en los perfiles del microambiente tumoral, mejorando significativamente la precisión de las predicciones sobre las respuestas al tratamiento en comparación con las evaluaciones tradicionales de biomarcadores de PD-L1.
Los investigadores analizaron datos de cuatro ensayos clínicos de etapa avanzada que involucraron a 2,803 pacientes tratados con el inhibidor de PD-L1 atezolizumab. Utilizaron técnicas de aprendizaje automático para identificar subtipos tumorales distintos, ofreciendo un proceso de estratificación de pacientes rápido y efectivo.
Banchereau señaló que "los biomarcadores de imagen basados en IA de alto rendimiento pueden integrarse potencialmente en la práctica clínica rutinaria," mejorando la eficiencia diagnóstica y la escalabilidad.
Los subtipos identificados—desierto luminal, estromal, inmune y basal—mostraron respuestas variadas al tratamiento, siendo los subtipos inmune y basal los que presentaron beneficios significativos en la supervivencia con atezolizumab.
El estudio aboga por estrategias de tratamiento personalizadas, sugiriendo que los tumores del subtipo inmune podrían beneficiarse de terapias combinadas, mientras que los tumores del subtipo basal podrían responder mejor a los inhibidores de PD-L1 solos o en combinación con otros tratamientos.
Banchereau enfatizó el potencial de la patología digital y los modelos de aprendizaje profundo para mejorar la comprensión de la biología tumoral y acelerar la estratificación de pacientes en entornos clínicos.