Deep learning revela heterogeneidad tumoral en distintos estados de cáncer de riñón
La microheterogeneidad se asocia con la respuesta inmunitaria selectiva.
El carcinoma de células renales es uno de los 10 tipos de cáncer más frecuentes en todo el mundo. El subtipo de células claras (ccRCC) representa el 75-80% de los casos metastásicos. Algunos tumores son sensibles a los inhibidores de los puntos de control inmunitarios (ICI), pero hasta ahora no existen medidas que permitan predecir si un tumor de ccRCC responderá a la inmunoterapia.
Un equipo de investigadores de Dana-Farber ha identificado una nueva forma potencial de evaluar características clínicamente valiosas del ccRCC mediante el procesamiento de imágenes con aprendizaje profundo. La herramienta evalúa imágenes bidimensionales de una muestra tumoral en un portaobjetos e identifica características anteriormente subestimadas, como la microheterogeneidad tumoral, que podrían ayudar a predecir si un tumor responderá a la inmunoterapia.
Como parte del diagnóstico, los patólogos analizan preparaciones patológicas de muestras tumorales que han sido teñidas para revelar las estructuras de las células. Una medida rutinaria es el grado nuclear, que indica hasta qué punto se desvían de las células normales.
El modelo de IA no sólo era capaz de evaluar el grado nuclear, sino también de identificar diferencias de grado en una muestra tumoral.
El hallazgo inspiró al equipo a ampliar su modelo para cuantificar la microheterogeneidad tumoral y las propiedades inmunitarias, como la infiltración inmunitaria. Cuando lo evaluaron vieron que algunos tumores eran marcadamente homogéneos, mientras que otros tenían muchos grados nucleares diferentes en muchos patrones distintos. También, que en algunos había linfocitos, mientras que otros carecían de una infiltración sustancial.
Así descubrieron que estas características (microheterogeneidad tumoral y la infiltración inmunitaria) se asociaban a una mejor supervivencia global entre los pacientes que tomaban inhibidores de los puntos de control inmunitario.
La herramienta no está lista para su uso clínico, pero como siguiente paso, el equipo la está probando en un ensayo clínico en curso que implica la inmunoterapia de combinación como tratamiento de primera línea. También planean explorar si estas pistas visuales en las diapositivas de patología están relacionadas con características moleculares del tumor, como alteraciones en los genes.
