La IA predice la eficacia del tratamiento del cáncer de mama directamente a partir de la arquitectura del tumor
Diagrama de flujo del diseño del estudio. Se entrenaron redes neuronales convolucionales profundas en puntos de micromatriz de tejido teñidos con hematoxilina y eosina de una serie nacional de cáncer de mama (FinProg) para predecir el estado de amplificación del gen ERBB2 del tumor primario. Las redes se entrenaron utilizando un enfoque de aprendizaje de transferencia con pesos preentrenados de ImageNet, y solo las capas más profundas (coloreadas en amarillo) se ajustaron minimizando la pérdida focal, supervisadas débilmente por el estado de amplificación del gen ERBB2 de la verdad del terreno según lo determinado por hibridación cromogénica in situ. En la fase de prueba, las redes generan probabilidades de amplificación de ERBB2 (la puntuación H&E-ERBB2). La precisión de la clasificación se resumió con la característica operativa del receptor y las curvas de recuperación de precisión. Además, aplicamos gráficos de KaplanMeier y análisis de regresión de Cox para correlacionar las puntuaciones de H&E-ERBB2 con los datos de resultados del tratamiento del paciente. Crédito: Informes científicos volumen 11, Número de artículo: 4037 (2021)
Investigadores de la Universidad de Helsinki han demostrado las posibilidades de los algoritmos basados en inteligencia artificial para predecir la eficacia de una terapia dirigida contra el cáncer basada únicamente en la arquitectura del tejido tumoral. sin pruebas moleculares específicas. Los resultados sugieren que la IA puede revelar patrones previamente ocultos en muestras de tumores y permitir el descubrimiento de características tumorales novedosas que predicen el resultado y la eficacia del tratamiento.
La inteligencia artificial (IA) en forma de aprendizaje automático se usa cada vez más en la investigación del cáncer y tiene un gran potencial para respaldar los diagnósticos médicos. Los algoritmos ya han sido entrenados para abordar muchas tareas complicadas, como la detección de tejido canceroso y la clasificación de tumores. Además, la predicción del resultado de la enfermedad directamente a partir de una muestra tumoral sin interpretación experta ha mostrado resultados prometedores.
En el estudio publicado en Scientific Reports el 17 de febrero, un equipo dirigido por el profesor Johan Lundin pretendía impulsar las capacidades de estos enfoques aún más.
Los investigadores se centraron en desarrollar una herramienta que pudiera detectar las características morfológicas del tumor típicas del cáncer de mama positivo para ERBB2. ERBB2 (también llamado con frecuencia HER2) es una oncoproteína bien conocida que promueve el crecimiento de células cancerosas. Aproximadamente una de cada cinco pacientes con cáncer de mama tiene copias adicionales del gen ERBB2 y sus tumores sobreexpresan la proteína ERBB2. Estos pacientes pueden beneficiarse de la terapia con anticuerpos monoclonales contra el receptor ERBB2 (HER2).
Los resultados del estudio mostraron que el algoritmo de IA pudo aprender patrones predictivos del estado de ERBB2 de un tumor directamente de la morfología del tumor en una serie nacional de pacientes con cáncer de mama (el estudio FinProg), sin el uso de ensayos moleculares específicos.
«Nuestros resultados muestran que las características morfológicas de los tumores contienen una gran información sobre la biología del enfermedad que se puede extraer con métodos de aprendizaje automático. Estos valiosos datos pueden ayudar en la toma de decisiones clínicas», dijo el primer autor del estudio, Dmitrii Bychkov del Instituto de Medicina Molecular de Finlandia FIMM, Universidad de Helsinki.
Para probar aún más la aplicabilidad del método, los investigadores aplicaron el algoritmo de IA a muestras de tejido de pacientes con cáncer de mama que habían participado en un gran ensayo clínico (el ensayo FinHer) sobre el tratamiento anti-ERBB2 y cuyos Se conocían el estado y los resultados de ERBB2.
Curiosamente, el algoritmo pudo discriminar a los pacientes tratados con terapia anti-ERBB2 (trastuzumab), un tratamiento dirigido para los cánceres positivos para ERBB2, en dos grupos con pronóstico diferente. los pacientes en cuyos tumores el algoritmo de IA predijo que eran ERBB2 positivos en función de la morfología del tumor demostraron tener un resultado de la enfermedad más favorable que aquellos en los que el algoritmo de IA predijo que eran ERBB2 negativos.
«Estos Los métodos abren nuevas oportunidades para revelar patrones ocultos en la arquitectura del tejido que impulsan la progresión del tumor y pueden, en una perspectiva más amplia, contribuir a diagnósticos más precisos y mejores decisiones de tratamiento personalizadas en el cáncer de mama», dice la MD, Profesora Asociada Nina Linder, quien co-supervisó del estudio.
Las observaciones del estudio también sugieren que algunos de los tumores que fueron ERBB2 negativos según las pruebas moleculares tienen características morfológicas típicas de los tumores ERBB2 positivos. Según los investigadores, estos pacientes podrían beneficiarse potencialmente de tratamientos diseñados para pacientes con ERBB2 positivo.
«Los métodos basados en IA podrían no solo complementar los métodos de diagnóstico molecular actuales, sino que podrían ir incluso más allá y conducir a una mejora selección de algunos tratamientos contra el cáncer dirigidos a los pacientes. Es posible que necesitemos diseñar ensayos clínicos para probar esta hipótesis. Es importante destacar que el ensayo se puede realizar desde la sección estándar del tumor», dice el profesor Heikki Joensuu del Centro Integral del Cáncer HUS y la Universidad de Helsinki, quien colaboró -autor del estudio.
«Este es uno de los primeros estudios que muestra que la IA aplicada a muestras de tumores no solo puede predecir el resultado de la enfermedad, sino también la eficacia o un tratamiento contra el cáncer dirigido molecularmente», dijo Profesor Johan Lundin.
Explorar más
El equipo descubre un nuevo mecanismo de resistencia adquirida a los medicamentos contra el cáncer de mama Más información: El aprendizaje profundo identifica características morfológicas en el cáncer de mama que predicen el estado ERBB2 del cáncer y la eficacia del tratamiento con trastuzumab. Informe científico 11, 4037 (2021). doi.org/10.1038/s41598-021-83102-6 Proporcionado por la Universidad de Helsinki Cita: AI predice la eficacia del tratamiento del cáncer de mama directamente a partir de la arquitectura del tumor (2021, 18 de febrero) consultado el 30 de agosto de 2022 en https ://medicalxpress.com/news/2021-02-ai-efficacy-breast-cancer-treatment.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.