OncoTraj pone la predicción de resistencia en cáncer de pulmón en un examen público

Para muchos pacientes con cáncer de pulmón de células no pequeñas con mutación de EGFR, osimertinib ya es un pilar importante del tratamiento de primera línea; pero que un fármaco pueda prolongar el tiempo de control no significa que pueda eliminar la sombra de la resistencia. La verdadera dificultad es si, antes de que la enfermedad empeore de forma evidente, médicos e investigadores pueden ver la dirección de la recaída a partir de pruebas genéticas y datos clínicos. OncoTraj, propuesto recientemente en un preprint de arXiv, busca precisamente colocar esta pregunta dentro de un marco de prueba público que permita comparaciones reproducibles.

Según el preprint y los materiales del proyecto, OncoTraj v1 incluye a 813 pacientes con cáncer de pulmón de células no pequeñas con mutación de EGFR que recibieron osimertinib de primera línea. Las fuentes de datos incluyen MSK-CHORD, los datos suplementarios de resistencia molecular de FLAURA y AACR Project GENIE BPC NSCLC. Las tarjetas de datos de GitHub y Hugging Face enumeran la misma composición de la cohorte: 672 personas de MSK-CHORD, 107 de los datos suplementarios de FLAURA y 34 de GENIE BPC NSCLC.

El diseño de este benchmark no consiste solo en “recopilar algunos datos más de pacientes”. El equipo de investigación divide las tareas en tres categorías: predecir si habrá progresión de la enfermedad en el punto de referencia de 12 meses, estimar el tiempo hasta la progresión de la enfermedad e identificar seis clases principales de mecanismos de resistencia. Para la oncología clínica, estas tres preguntas corresponden respectivamente a la estratificación del riesgo, el ritmo de seguimiento y la estrategia de tratamiento posterior. Pero OncoTraj sigue siendo un benchmark de investigación y no debe interpretarse como una herramienta que pueda orientar directamente la atención de pacientes individuales.

Lo más interesante es que el proyecto subraya que la división de los datos pasó por auditorías de fuga de datos y proporciona modelos de referencia y herramientas de evaluación reproducibles. Esto no es un detalle menor en la investigación de IA médica; si el mismo paciente, o rastros de datos muy similares, aparecen tanto en la fase de entrenamiento como en la de prueba, el modelo puede parecer preciso, cuando en realidad solo está reconociendo atajos en la fuente de datos o en la serie temporal. OncoTraj intenta descartar de antemano este tipo de problemas, para que distintos modelos puedan compararse en condiciones más limpias.

Sin embargo, los resultados preliminares no ofrecen una respuesta dramática de que la IA esté a punto de descifrar la resistencia. El README del proyecto resume que, al usar características de “instantánea” de secuenciación genética de un único punto temporal, las tres tareas no lograron superar de forma estable el nivel aleatorio en evaluaciones limpias dentro de la misma fuente. Si este resultado recibe apoyo de revisiones posteriores y reproducciones independientes, la implicación quizá no sea que los modelos no sean lo bastante complejos, sino que el tipo de datos existente en sí mismo es insuficiente: los datos de NGS tomados una sola vez quizá difícilmente puedan captar la trayectoria por la cual los tumores cambian gradualmente bajo la presión del tratamiento.

La forma en que se abren los datos también refleja los límites reales de la investigación en genómica clínica. Tanto la tarjeta de datos de Hugging Face como la documentación de GitHub indican que, debido a que datos ascendentes como GENIE BPC y MSK-CHORD tienen restricciones de uso, OncoTraj no redistribuye tablas integradas a nivel de paciente, sino que proporciona analizadores, scripts de construcción y un marco de evaluación. En otras palabras, reduce la barrera técnica para establecer un benchmark común, pero los investigadores aún deben seguir las normas de solicitud y uso de las bases de datos originales.

Este estudio sigue siendo actualmente un preprint y aún no ha pasado por revisión por pares, y el resumen público tampoco proporciona un contexto completo suficiente para juzgar todos los detalles de los modelos y la forma en que se trataron las variables clínicas. Aun así, el mensaje de OncoTraj es bastante claro: en la siguiente etapa de intersección entre la oncología de precisión y la IA, la cuestión no es solo construir modelos más grandes, sino saber qué pueden y qué no pueden responder los datos disponibles. Para la predicción de la resistencia en el cáncer de pulmón con mutación de EGFR, este quizá sea un punto de partida poco vistoso, pero necesario.