← Volver al inicio

¿Cómo atacar las células madre cancerosas sin dañar los tejidos normales? Una nueva revisión propone una vía para seleccionar dianas mediante IA

Los marcadores de las células madre cancerosas pueden cambiar con el tratamiento y también estar presentes en células sanas. Una nueva revisión sitúa el diseño de componentes de reconocimiento de CAR mediante IA en el contexto de este problema biológico: aunque sea posible construir el receptor, aún hay que demostrar que puede reconocer de forma segura las células que realmente deben eliminarse.

By SURL BioNews

Uno de los problemas más difíciles del tratamiento del cáncer es que, después de que el tumor se reduzca, aún pueden quedar células capaces de provocar la reaparición de la enfermedad. Para que las células inmunitarias persigan a estas células cancerosas con propiedades de células madre, el reconocimiento debe ser suficientemente preciso: algunos marcadores candidatos también están presentes en células madre o progenitoras normales, por lo que la capacidad de atacar el tumor también puede convertirse en una fuente de daño para los tejidos sanos.

Una revisión publicada el 4 de noviembre en «Clinical Cancer Bulletin», escrita por Visula Abeysuriya, Sachintha N. Alwis y Vasitha Abeysuriya, propone una vía de investigación que combina análisis unicelular, datos multiómicos, selección de dianas y diseño asistido por ordenador de componentes de unión de CAR. Un artículo seleccionado para su publicación por Bioengineer.org, con Scienmag como fuente informativa, presentó esta propuesta; su eje es cómo abordar simultáneamente la resistencia al tratamiento y la seguridad, y no el anuncio de una nueva terapia de eficacia demostrada.

Tampoco se puede considerar a las células madre cancerosas simplemente como un grupo de células con etiquetas fijas. Su estado y sus antígenos de superficie pueden cambiar con el entorno y la presión del tratamiento, lo que permite que células antes reconocibles escapen al ataque. Por ello, la revisión sostiene que la selección de dianas no debe basarse únicamente en qué marcador es más abundante en el tumor, sino que también debe comparar su expresión en distintos estados celulares y en tejidos normales, para evaluar si existe un margen suficiente entre eliminar las células cancerosas y proteger las células sanas.

La IA tiene dos tareas distintas en esta vía: la primera es integrar datos unicelulares y multiómicos para ayudar a encontrar antígenos con mayor selectividad tumoral; la segunda es diseñar la parte de unión al antígeno de los CAR, para que las células inmunitarias modificadas puedan reconocer la diana. La primera responde a «a quién se debe atacar»; la segunda aborda «cómo reconocerlo». Incluso si el diseño del componente de reconocimiento tiene éxito, no se puede deducir directamente que la propia diana sea suficientemente segura.

Los autores advierten en particular que los estudios actuales sobre CAR diseñados mediante IA aún no han demostrado un reconocimiento específico y validado de las células madre cancerosas dirigido a CD133, CD44, EpCAM o CD123. La presencia compartida de estos marcadores candidatos en células normales es precisamente el obstáculo que debe superarse. Los avances existentes en ingeniería de receptores aportan una base técnica, pero siguen siendo insuficientes para demostrar que se puedan eliminar de forma segura, en los pacientes, las células capaces de regenerar el tumor.

El artículo también menciona la posibilidad de utilizar IA para seguir de forma continua los cambios durante el tratamiento y de crear «gemelos digitales» de CAR-T: mediante la actualización de los datos del paciente, se simularían las interacciones entre el tumor y las células inmunitarias para explorar cómo se desarrolla la resistencia al tratamiento. Sin embargo, estos conceptos siguen en desarrollo y aún no se han convertido en herramientas clínicas maduras que permitan orientar ajustes en los tratamientos dirigidos a las células madre cancerosas.

Esta revisión describe un marco de investigación pendiente de validación. Actualmente, la mayoría de las aplicaciones siguen en la fase computacional o preclínica, y aún no se ha establecido su beneficio clínico prospectivo. Para que las dianas seleccionadas por IA lleguen realmente al tratamiento, los investigadores todavía deben responder, con datos experimentales y clínicos, a la misma pregunta: ¿pueden seguir el ritmo de los cambios de las células cancerosas y, al mismo tiempo, mantener un margen de seguridad suficientemente fiable?

References

  1. Bioengineer.org
  2. Clinical Cancer Bulletin
  3. Scienmag