Detección temprana de recaída en cáncer de colon localizado utilizando un modelo predictivo basado en IA

Un prestigioso Instituto de Investigación en Salud, pionero en el análisis de biopsia líquida en pacientes con cáncer de colon, buscaba desarrollar biomarcadores predictivos y pronósticos para identificar a los pacientes con alto riesgo de recaída y predecir el efecto de la terapia adyuvante.

Los métodos tradicionales para medir y estadificar la enfermedad mínima residual (EMR) son invasivos, y aunque los nuevos biomarcadores pronósticos, como las pruebas de biopsia líquida, han mejorado la estimación de la EMR, aún presentan una sensibilidad limitada para identificar a los pacientes con mayor riesgo de recaída.

No obstante, la integración de la biopsia líquida con la radiómica y las características profundas extraídas de tomografías computarizadas (datos estándar de atención) podría ofrecer una innovadora herramienta multi-ómica. Esta combinación permitiría monitorizar y diagnosticar tumores en etapas tempranas, proporcionando información valiosa para el pronóstico de recaídas en los pacientes.

Siguiendo un enfoque colaborativo, recopilamos datos retrospectivos multicéntricos del Mundo Real (Real World Data, RWD) de una amplia muestra de pacientes con diagnósticos confirmados mediante métodos tradicionales. Los RWD incluían datos clínicos, biopsias líquidas y tomografías computarizadas (TC). Se realizó una segmentación 3D del tejido tumoral, y se extrajeron texturas, características profundas y parámetros de dimensiones fractales. ^® Una vez obtenidos estos biomarcadores cuantitativos de imagen, se entrenaron varios modelos de clasificación basados en IA. Estos modelos integraron las características de imagen con los datos de biopsia líquida y clínicos, con el objetivo de predecir recaídas tempranas y clasificar a los pacientes según su riesgo (bajo o alto). El análisis se integró en la plataforma QP-Insights®, creando una solución de IA integral y de extremo a extremo.

Con este nuevo e innovador enfoque se han conseguido tres resultados principales:

1. La identificación de un biomarcador de imagen para la detección temprana de recaídas en cáncer de colon localizado.
2. El desarrollo de una herramienta de estratificación que permite diferenciar entre pacientes con cáncer de colon de bajo y alto riesgo.
3. La creación de modelos predictivos para evaluar el efecto de la terapia adyuvante, demostrando la eficacia antitumoral de distintos agentes, lo que abre la puerta a nuevos objetivos terapéuticos.

La integración de datos clínicos con radiómica, análisis fractal y características profundas permitió que el modelo de IA alcanzara una precisión del 87.9% (IC 95%: 67.7–100) en la predicción de recaídas, superando considerablemente la precisión obtenida al utilizar únicamente variables clínicas, que fue del 60% (IC 95%: 30–90). La integración de características radiómicas con RWD permitiría desarrollar un modelo de IA aún más preciso. Esto mejoraría la predicción de las probabilidades de recaída del paciente, facilitando la selección de tratamientos personalizados y optimizando la respuesta en comparación con las terapias estándar actuales.

Referencia:

America Bueno Gomez et al. A clinico-imaging predictive artificial intelligence model of relapse in colon cancer using baseline CT scans. Oral comunnication accepted at ESMO 2023. 20-23 October. Madrid, Spain.