La mayoría de las muertes por melanoma, la forma más letal de cáncer de piel, ocurren en pacientes a los que inicialmente se les diagnosticó melanoma en etapa temprana y luego experimentaron una recurrencia que generalmente no se detecta hasta que se diseminó o hizo metástasis.
Un equipo dirigido por investigadores del Hospital General de Massachusetts (MGH) desarrolló recientemente un método basado en inteligencia artificial para predecir qué pacientes tienen más probabilidades de experimentar una recurrencia y, por lo tanto, se espera que se beneficien de un tratamiento agresivo. El método fue validado en un estudio publicado en Oncología de precisión npj.
La mayoría de los pacientes con melanoma en etapa temprana son tratados con cirugía para extirpar las células cancerosas, pero los pacientes con cáncer más avanzado a menudo reciben inhibidores de puntos de control inmunitarios, que fortalecen de manera efectiva la respuesta inmunitaria contra las células tumorales, pero también tienen efectos secundarios significativos.
«Existe una necesidad urgente de desarrollar herramientas predictivas para ayudar en la selección de pacientes de alto riesgo para quienes los beneficios de los inhibidores del punto de control inmunitario justificarían la alta tasa de eventos adversos inmunológicos mórbidos y potencialmente fatales observados con esta clase terapéutica», dice senior. autor Yevgeniy R. Semenov, MD, investigador del Departamento de Dermatología del MGH.
«La predicción confiable de la recurrencia del melanoma puede permitir una selección de tratamiento más precisa para la inmunoterapia, reducir la progresión a la enfermedad metastásica y mejorar la supervivencia del melanoma mientras se minimiza la exposición a las toxicidades del tratamiento».
Para ayudar a lograr esto, Semenov y sus colegas evaluaron la efectividad de los algoritmos basados en el aprendizaje automático, una rama de la inteligencia artificial, que usaba datos de los registros de salud electrónicos de los pacientes para predecir la recurrencia del melanoma.
Específicamente, el equipo recolectó 1720 melanomas en etapa temprana, 1172 del sistema de atención médica Mass General Brigham (MGB) y 548 del Instituto del Cáncer Dana-Farber (DFCI), y extrajo 36 características clínicas y patológicas de estos cánceres de la salud electrónica. registros para predecir el riesgo de recurrencia de los pacientes con algoritmos de aprendizaje automático. Se desarrollaron y validaron algoritmos con varios conjuntos de pacientes con MGB y DFCI, y se identificaron el grosor del tumor y la tasa de división de células cancerosas como las características más predictivas.
«Nuestra plataforma integral de predicción de riesgos que utiliza nuevos enfoques de aprendizaje automático para determinar el riesgo de recurrencia de melanoma en etapa temprana alcanzó altos niveles de clasificación y precisión de predicción del tiempo hasta el evento», dice Semenov. «Nuestros resultados sugieren que los algoritmos de aprendizaje automático pueden extraer señales predictivas de las características clinicopatológicas para la predicción de la recurrencia del melanoma en etapa temprana, lo que permitirá identificar a los pacientes que pueden beneficiarse de la inmunoterapia adyuvante».
Otros coautores de Mass General incluyen a Ahmad Rajeh, Michael R. Collier, Min Seok Choi, Munachimso Amadife, Kimberly Tang, Shijia Zhang, Jordan Phillips, Nora A. Alexander, Yining Hua, Wenxin Chen, Diane, Ho, Stacey Duey y Genevieve M. Boland.
Este trabajo fue apoyado por Melanoma Research Alliance, los Institutos Nacionales de Salud, el Departamento de Defensa y la Fundación de Dermatología.
Fuente de la historia:
Materiales proporcionado por Hospital General de Massachusetts. Nota: el contenido se puede editar por estilo y longitud.
