Investigación sobre el cáncer · global
Hist2Prot infiere mapas de proteínas tumorales a partir de cortes histológicos y busca pistas sobre la respuesta a la inmunoterapia
En siete cohortes independientes que abarcaron a 1.774 pacientes, la información proteica inferida mediante IA mejoró el rendimiento de varias predicciones clínicas; el siguiente paso es confirmar si estas pistas pueden ayudar realmente a tomar decisiones terapéuticas.
¿Cuánta información molecular puede revelar un corte histológico de rutina, además de mostrar la forma de las células y la organización del tejido? Un estudio publicado el 13 de noviembre en Nature Cancer presenta Hist2Prot, que intenta inferir la distribución de proteínas en células individuales dentro de los tumores a partir de imágenes con tinciones habituales, ofreciendo otra vía para buscar pistas sobre la respuesta al tratamiento.
Este método busca abordar las barreras para la aplicación del análisis espacial de proteínas. Medir directamente la ubicación de las proteínas en los tejidos ayuda a comprender el microambiente tumoral, pero está sujeto a limitaciones de coste, complejidad técnica y cobertura del tejido. Hist2Prot utiliza datos de aproximadamente 51 millones de células emparejadas para aprender la relación entre las imágenes teñidas con hematoxilina y eosina (H&E) y las señales proteicas; las «proteínas virtuales» resultantes son inferencias del modelo y no pueden considerarse mediciones directas.
Además de las pruebas internas, el estudio incluyó datos independientes de la misma plataforma y de otras plataformas, que sumaron aproximadamente 72 millones de células adicionales. Según el resumen del artículo, los resultados inferidos mostraron concordancia con la distribución de proteínas medida y conservaron algunas características de las células inmunitarias, estromales y tumorales. En el análisis de siete cohortes independientes de pacientes, con un total de 1.774 personas, esta información también permitió predecir biomarcadores moleculares, el pronóstico y la respuesta a la inmunoterapia con un rendimiento superior al de los métodos que utilizaban únicamente información morfológica de H&E.
Sin embargo, aún queda un paso crucial entre «predecir mejor» y «tratar mejor». Estos resultados respaldan una evaluación clínica adicional, pero todavía no demuestran que seleccionar tratamientos según el modelo permita prolongar la supervivencia o reducir los tratamientos ineficaces. El resumen público tampoco ofrece los valores completos de rendimiento para cada tarea, por lo que el número total de participantes, por sí solo, no permite determinar la fiabilidad de cada aplicación.
El repositorio de código publicado por el equipo de investigación concreta las condiciones necesarias para implementar el método. Además de imágenes de portaobjetos completos, la documentación enumera como entradas tablas de características celulares y máscaras de segmentación que delimitan los núcleos y las regiones celulares ampliadas; también proporciona código para el preprocesamiento, el entrenamiento, la inferencia y la evaluación. Esto significa que reproducir el estudio requiere un flujo de trabajo para organizar los datos, y que los resultados no deben interpretarse como la posibilidad de obtener respuestas clínicas con solo cargar cualquier corte histológico.
De forma predeterminada, el repositorio divide los datos de entrenamiento y prueba por paciente en una proporción de siete a tres, aunque también permite especificar los grupos, y durante la evaluación procesa uno por uno a los pacientes que no participaron en el entrenamiento. La división por paciente ayuda a reducir el sesgo causado por la presencia de imágenes similares de una misma persona en ambos grupos, pero la configuración predeterminada de la documentación no sustituye una revisión completa de cada cohorte de validación del artículo.
Para avanzar hacia una aplicación práctica, todavía es necesario confirmar cómo afectan a los resultados las diferencias entre hospitales en las tinciones, el escaneo y los pacientes, y evaluar mediante estudios clínicos su valor para la toma de decisiones. Que el código sea público tampoco significa que pueda utilizarse libremente con fines comerciales: el proyecto indica que utiliza la licencia CC BY-NC-ND 4.0, que incluye restricciones de uso no comercial y prohíbe distribuir versiones adaptadas. Por ahora, Hist2Prot ofrece una vía de investigación que puede someterse a validación; tanto sus beneficios clínicos como las condiciones para su implementación requieren más evidencia.