← Volver al inicio

Detectar debilidades en la reparación del ADN en cortes de cáncer de ovario: HRDPath explora nuevas pistas para orientar el tratamiento

Las imágenes de anatomía patológica de rutina podrían contener pistas para seleccionar fármacos. HRDPath intenta identificar la deficiencia de reparación por recombinación homóloga de los tumores y mejora su rendimiento al integrar varios cortes, pero aún requiere validación a mayor escala para determinar si puede ayudar en las decisiones clínicas.

By SURL BioNews

Las pistas para el tratamiento del cáncer de ovario a veces se encuentran en la capacidad de las células cancerosas para reparar el ADN. Identificar esta debilidad en los cortes de tejido ya obtenidos durante el diagnóstico podría permitir que más pacientes accedieran antes a pruebas adicionales y a una evaluación de las opciones de tratamiento. HRDPath, un modelo de inteligencia artificial desarrollado por un equipo de investigación del King's College London, intenta extraer esta información de imágenes microscópicas; el estudio se publicó el 21 de octubre en *Nature Communications*.

La investigación se centra en el carcinoma seroso de alto grado tuboovárico, de elevada malignidad. Algunos de estos tumores presentan una «deficiencia de reparación por recombinación homóloga» (HRD), es decir, el fallo de una vía importante mediante la cual las células reparan el daño en el ADN, que puede estar relacionado con alteraciones en genes como BRCA1 y BRCA2. Esta deficiencia también podría constituir una oportunidad terapéutica al hacer que las células cancerosas sean más sensibles a la quimioterapia con platino o a los inhibidores de PARP; sin embargo, la determinación de la HRD suele depender de pruebas moleculares, cuyo coste y accesibilidad suponen barreras.

HRDPath utiliza casos con resultados de análisis genómicos disponibles para aprender la relación entre las imágenes de tejido con tinción de rutina y el estado de HRD. El estudio abarcó tres conjuntos de datos: el principal, UWOV, incluía 152 pacientes y 720 cortes, y otros dos conjuntos independientes, de 81 y 93 pacientes, se utilizaron para la evaluación. Los cortes de una misma paciente se asignaron al mismo grupo para evitar que compartir imágenes de una misma persona entre los datos de entrenamiento y los de prueba llevara a sobreestimar el rendimiento.

En las 29 pacientes del conjunto principal de prueba, el modelo obtuvo un área bajo la curva (AUC) de 0.846, una sensibilidad del 69.2% y una especificidad del 93.8%. La sensibilidad refleja la capacidad del modelo para identificar los casos positivos para HRD, mientras que la especificidad refleja su capacidad para descartar correctamente los casos negativos. Estos resultados muestran que, aunque el modelo clasificaba erróneamente pocos casos negativos como positivos, seguía sin detectar una parte de los tumores que realmente presentaban una deficiencia de reparación.

El rendimiento mejoró al integrar más cortes. El «aproximadamente 91%» mencionado en el comunicado de la universidad y en la información reproducida por Medical Xpress se refiere a la proporción de casos positivos para HRD identificados mediante el análisis de múltiples imágenes; el artículo científico precisa que esta sensibilidad se observó en el análisis que utilizaba más de seis cortes por paciente y que no debe interpretarse como la exactitud global en todas las situaciones. Por tanto, el número de cortes y las condiciones de muestreo también forman parte de la interpretación del rendimiento del modelo.

El estudio también intentó comprender qué veía el modelo. Según la universidad, en ciertas regiones de los tumores positivos para HRD, los núcleos celulares eran más redondos y las células cancerosas estaban dispuestas de forma más compacta. Estas asociaciones sugieren que las alteraciones de la reparación del ADN podrían ir acompañadas de diferencias reconocibles en la morfología del tejido, pero las características visuales por sí solas aún no permiten determinar el estado molecular de cada paciente.

Una aplicación más concreta sería ayudar a establecer prioridades para las pruebas moleculares y aportar información complementaria para la estratificación terapéutica. Para llegar a la práctica clínica, HRDPath todavía debe validarse en grupos de pacientes más amplios y diversos, confirmar si mantiene su rendimiento con las condiciones de preparación de cortes y obtención de imágenes de distintos hospitales y evaluar las consecuencias de los casos no detectados. Los resultados actuales respaldan la continuación de la investigación, pero aún son insuficientes para que las predicciones basadas en imágenes sustituyan a las pruebas moleculares o determinen por sí solas la elección de fármacos.

References

  1. King’s College London
  2. Nature Communications
  3. Medical Xpress