Predecir el retorno del cáncer oral, después de su tratamiento, con un modelo

Investigadores del grupo Life Supporting Technologies de la Universidad Politécnica de Madrid (UPM), junto con otros socios europeos, han trabajado durante varios años para encontrar marcadores fiables que permitan estimar la probabilidad de recurrencia del cáncer oral.

Gracias a técnicas de inteligencia artificial han conseguido elaborar un modelo predictivo multinivel que abarca genes, células, tejidos y órganos y que es capaz de extrapolar evidencias entre decenas de miles de datos.

Así, en 2008 se creó un consorcio europeo que puso en marcha el proyecto NeoMark con el objetivo de encontrar un conjunto mínimo y fiable de marcadores para calcular una buena estimación de la probabilidad de recurrencia del cáncer oral a partir de evidencias clínicas, imágenes radiográficas y datos genómicos.

Con este objetivo, los expertos desarrollaron una herramienta de bajo coste para la adquisición de datos genéticos basándose en la técnica llamada quantitative real time polymerase chain reaction (qRTPCR). La herramienta creada por la empresa STMicroelectronics (Italia) analiza ARN extraído de linfocitos y estima la expresión de un conjunto predeterminado de genes (hasta 20).

Además de esta innovadora herramienta, en NeoMark se estudian también datos provenientes de muestras de sangre analizadas en chips de ADN clásicas. Estos datos contienen una gran cantidad de información adicional y de ‘»ruido'» que no son necesarias para el ámbito de aplicación del proyecto, por lo que se ha desarrollado una herramienta software que elimina los datos redundantes y no necesarios.

Además, el proyecto ha conseguido crear una herramienta para el análisis de imágenes de tomografía axial computarizada o resonancia magnética para la extracción de características numéricas relativas a nodos linfáticos sospechosos. El programa, elaborado por el Instituto Fraunhofer (Alemania), es capaz de calcular algunas características de los nodos relativas a su forma, textura y contenido de agua fusionando diferentes imágenes del paciente entre ellas.

Los datos recogidos por dichas herramientas están integrados en un registro clínico para permitir a los especialistas en medicina insertar los datos clínicos de los pacientes y consultar su evolución. La actividad de integración fue llevada a cabo por Link Consulting (Portugal) y la propia Universidad Politécnica de Madrid.

Inteligencia artificial para la predicción

Para la estimación de la recurrencia del cáncer, la Universidad de Ioannina (Grecia) ha liderado la actividad de desarrollo de unos algoritmos basados en inteligencia artificial. La tarea en cuestión tenía dos objetivos: por un lado, clasificar a los pacientes entre remitentes y no remitentes después de la primera intervención y, por el otro, estimar la probabilidad de recurrencia en la visitas de seguimiento. Para ello se han utilizado técnicas de aprendizaje automático como redes bayesianas, máquinas de vectores de soporte, árboles de decisión y redes neuronales entre otras.

Finalmente, esta heterogénea cantidad de datos recogidos tiene que ser representada y compartida de manera eficiente. Para ello las ontologías se prestan como herramienta para asegurar un alto nivel de formalidad y aseguran un buen nivel de interoperabilidad entre sistemas y bases de datos diferentes. Una de las tareas de NeoMark ha sido concretamente la creación de una ontología del ‘»dominio'» de NeoMark. Para ello, y siempre y cuando fuera posible, se ha integrado con otras ontologías existentes, especialmente desde la Open Biological and Biomedical Ontologies (OBO) Foundry.

Durante el último año el proyecto ha finalizado un ensayo clínico para la adquisición de datos y el entrenamiento de los algoritmos y la prueba técnica del sistema en general. La prueba, llevada a cabo por la clínica M.D. Anderson International de España y la Azienda Ospedaliero-Universitaria di Parma en Italia, ha involucrado a 86 pacientes tratados con cirugía y bajo seguimiento clínico durante un año. Los resultados técnicos muestran que el sistema es estable y de fácil uso y que es capaz de estimar la recurrencia del cáncer con alta fiabilidad.

En concreto, al combinar diferentes clasificadores, el sistema tiene una precisión del 92 %, una sensibilidad del 83 % y una especificidad del 100 %. De los 45.015 genes analizados inicialmente el clasificador hace uso de 37, incluyendo la posibilidad de bajar a solo 9 para obtener unos rendimientos reducidos pero aceptables.

Sobre el cáncer oral

El carcinoma espinocelular oral es el octavo en incidencia en el mundo y su presencia está aumentando entre la población joven. Aunque el tratamiento quirúrgico de este cáncer suele tener una tasa de éxito relativamente alta, el principal problema radica en la alta probabilidad de recurrencia, entre 25 y 50 %, en los siguientes cinco años tras la intervención.

Sin poder estimar con qué probabilidad puede haber una recurrencia, la práctica clínica recomienda unos tratamientos adyuvantes (quimio y radioterapia) que suelen tener efectos secundarios muy graves.