Una herramienta de inteligencia artificial predice la actividad de los genes del cáncer a partir de imágenes de biopsia

Para determinar el tipo y la gravedad de un cáncer, los patólogos suelen analizar cortes finos de una biopsia de tumor bajo un microscopio. Pero para descubrir qué cambios genómicos están impulsando el crecimiento del tumor (información que puede guiar cómo se trata), los científicos deben realizar una secuenciación genética del ARN aislado del tumor, un proceso que puede llevar semanas y cuesta miles de dólares.

Ahora, investigadores de Stanford Medicine han desarrollado un programa computacional impulsado por inteligencia artificial que puede predecir la actividad de miles de genes dentro de las células tumorales basándose únicamente en imágenes de microscopía estándar de la biopsia.

la herramienta, descrito en línea en Comunicaciones de la naturaleza El 14 de noviembre se creó utilizando datos de más de 7.000 muestras de tumores diversos. El equipo demostró que podía utilizar imágenes de biopsia recopiladas de forma rutinaria para predecir variaciones genéticas en los cánceres de mama y predecir los resultados de los pacientes.

«Este tipo de software podría usarse para identificar rápidamente firmas genéticas en los tumores de los pacientes, acelerando la toma de decisiones clínicas y ahorrando al sistema de atención médica miles de dólares», afirmó Olivier Gevaert, Ph.D., profesor de ciencia de datos biomédicos. y el autor principal del artículo.

El trabajo también fue dirigido por la estudiante graduada de Stanford Marija Pizuria y los becarios postdoctorales Yuanning Zheng, Ph.D., y Francisco Pérez, Ph.D.

Impulsado por la genómica

Los médicos han guiado cada vez más la selección de qué tratamientos contra el cáncer (incluidas quimioterapias, inmunoterapias y terapias basadas en hormonas) recomendar a sus pacientes basándose no solo en qué órgano afecta el cáncer de un paciente, sino también en qué genes está utilizando un tumor para impulsar su crecimiento y propagación. . Activar o desactivar ciertos genes podría hacer que un tumor sea más agresivo, más propenso a hacer metástasis o más o menos probable que responda a ciertos medicamentos.

Sin embargo, acceder a esta información a menudo requiere una secuenciación genómica costosa y que requiere mucho tiempo.

Gevaert y sus colegas sabían que la actividad genética dentro de células individuales puede alterar la apariencia de esas células de maneras que a menudo son imperceptibles para el ojo humano. Recurrieron a la inteligencia artificial para encontrar estos patrones.

Los investigadores comenzaron con 7.584 biopsias de cáncer de 16 tipos diferentes de cáncer. Cada biopsia se cortó en secciones delgadas y se preparó utilizando un método conocido como tinción con hematoxilina y eosina, que es estándar para visualizar la apariencia general de las células cancerosas. También estaba disponible información sobre los transcriptomas de los cánceres (qué genes utilizan activamente las células).

Un modelo funcional

Después de que los investigadores integraran sus nuevas biopsias de cáncer, así como otros conjuntos de datos, incluidos datos transcriptómicos e imágenes de miles de células sanas, el programa de inteligencia artificial, al que llamaron SEQUOIA (cuantificación de la expresión basada en diapositivas mediante atención linealizada), pudo predecir la expresión. patrones de más de 15.000 genes diferentes a partir de las imágenes teñidas.

Para algunos tipos de cáncer, la actividad genética predicha por la IA tenía una correlación de más del 80% con los datos reales de actividad genética. En general, cuantas más muestras de un tipo de cáncer determinado se incluyeran en los datos iniciales, mejor funcionaría el modelo en ese tipo de cáncer.

«Fueron necesarias varias iteraciones del modelo para llegar al punto en el que estuviéramos satisfechos con el rendimiento», dijo Gevaert. «Pero en última instancia, para algunos tipos de tumores, llegó a un nivel en el que puede ser útil en la clínica».

Gevaert señaló que los médicos a menudo no analizan los genes uno por uno para tomar decisiones clínicas, sino firmas genéticas que incluyen cientos de genes diferentes. Por ejemplo, muchas células cancerosas activan los mismos grupos de cientos de genes relacionados con la inflamación, o cientos de genes relacionados con el crecimiento celular. En comparación con su rendimiento para predecir la expresión genética individual, SEQUOIA fue aún más preciso a la hora de predecir si se activaban programas genómicos tan grandes.

Para que los datos sean accesibles y fáciles de interpretar, los investigadores programaron SEQUOIA para que muestre los hallazgos genéticos como un mapa visual de la biopsia del tumor, permitiendo a los científicos y médicos ver cómo las variaciones genéticas pueden ser distintas en diferentes áreas de un tumor.

Predecir los resultados de los pacientes

Para probar la utilidad de SEQUOIA para la toma de decisiones clínicas, Gevaert y sus colegas identificaron genes de cáncer de mama cuya expresión el modelo podría predecir con precisión y que ya se utilizan en pruebas genómicas comerciales de cáncer de mama. (La prueba MammaPrint, aprobada por la Administración de Alimentos y Medicamentos, por ejemplo, analiza los niveles de 70 genes relacionados con el cáncer de mama para proporcionar a los pacientes una puntuación del riesgo de que su cáncer reaparezca).

«El cáncer de mama tiene una serie de firmas genéticas muy bien estudiadas que durante la última década han demostrado estar altamente correlacionadas con las respuestas al tratamiento y los resultados de los pacientes», dijo Gevaert. «Esto lo convirtió en un caso de prueba ideal para nuestro modelo».

El equipo demostró que SEQUOIA podría proporcionar el mismo tipo de puntuación de riesgo genómico que MammaPrint utilizando únicamente imágenes teñidas de biopsias de tumores. Los resultados se repitieron en múltiples grupos diferentes de pacientes con cáncer de mama. En cada caso, los pacientes identificados como de alto riesgo por SEQUOIA tuvieron peores resultados, con tasas más altas de recurrencia del cáncer y un tiempo más corto antes de que el cáncer reapareciera.

El modelo de IA aún no se puede utilizar en un entorno clínico (debe probarse en ensayos clínicos y ser aprobado por la FDA antes de usarlo para guiar las decisiones de tratamiento), pero Gevaert dijo que su equipo está mejorando el algoritmo y estudiando sus posibles aplicaciones. . En el futuro, dijo, SEQUOIA podría reducir la necesidad de costosas pruebas de expresión genética.

«Hemos demostrado lo útil que esto podría ser para el cáncer de mama, y ​​ahora podemos usarlo para todos los cánceres y observar cualquier firma genética que exista», dijo. «Es una fuente de datos completamente nueva que no teníamos antes».

Los científicos de Roche Diagnostics también fueron autores del artículo.