Nueva herramienta de IA caracteriza la diversidad de células individuales en tumores

Nueva herramienta de IA caracteriza la diversidad de células individuales en tumores

Un equipo multinacional de investigadores dirigido por el Instituto Garvan de Investigación Médica ha desarrollado y probado una nueva herramienta de inteligencia artificial para caracterizar mejor la diversidad de células individuales dentro de los tumores y abrir las puertas a terapias más específicas para los pacientes.

Los resultados del desarrollo y uso de la herramienta de IA denominada Aanet se publicaron hoy enDetección de cánceruna revista de la Asociación Estadounidense para la Investigación del Cáncer.

No todas las células tumorales son iguales

Los tumores no están formados por un solo tipo de célula: son una mezcla de diferentes células que crecen y responden al tratamiento de diferentes maneras. Esta diversidad o heterogeneidad hace que el cáncer sea más difícil y, a su vez, puede conducir a peores resultados, particularmente en el cáncer de mama triple negativo.

La heterogeneidad es un problema porque actualmente tratamos los tumores como si estuvieran formados por la misma célula. Esto significa que damos una terapia que mata la mayoría de las células del tumor dirigiéndose a un mecanismo específico. Pero no todas las células cancerosas pueden compartir este mecanismo. Si bien el paciente puede tener una reacción inicial, las células restantes pueden crecer y el cáncer puede regresar. “

Profesora asociada Christine Chaffer, coautora principal del estudio y codirectora del Programa de inactividad y plasticidad del cáncer en Garvan

Pero si bien la heterogeneidad es un problema, los investigadores no saben lo suficiente para caracterizarla: "Hasta ahora, los investigadores no han podido explicar claramente en qué se diferencian las células vecinas de un tumor entre sí y cómo podemos clasificar estas diferencias en formas significativas para tratar mejor los tumores.todocélulas de este tumor con las terapias adecuadas”, añade el profesor asociado Chaffer.

Una nueva herramienta caracteriza cinco nuevos grupos de células cancerosas

Para resolver este problema, el equipo desarrolló y entrenó una nueva y poderosa herramienta de inteligencia artificial llamada Aanet que puede detectar patrones biológicos en las células dentro de los tumores.

Luego utilizaron la herramienta de inteligencia artificial para descubrir patrones en la expresión genética de células individuales dentro de los tumores, centrándose en modelos preclínicos de cáncer de mama triple negativo y muestras humanas de cáncer de mama ER positivo, HER2 positivo y triple. Al hacerlo, identificaron cinco grupos diferentes de células cancerosas dentro de un tumor con diferentes perfiles de expresión genética, lo que indica diferencias importantes en el comportamiento celular.

"Utilizando nuestra herramienta de inteligencia artificial, pudimos descubrir consistentemente cinco nuevos grupos de tipos de células dentro de tumores individuales, llamados 'arquetipos'. Cada grupo mostró diferentes vías biológicas y propensiones al crecimiento, metástasis y marcadores de mal pronóstico. Nuestros próximos pasos son ver cómo estos grupos pueden cambiar con el tiempo, como

Esta es una novedad en la investigación del cáncer. La colíder, la profesora asociada Smita Krishnaswamy de la Universidad de Yale, quien dirigió el desarrollo de la herramienta de inteligencia artificial: "Gracias a los avances tecnológicos, en los últimos 20 años hemos visto una explosión de datos a nivel unicelular. Con estos datos, descubrimos que no solo las células cancerosas se comercializan comercialmente. Es la primera vez que otro estudio sobre un caso diferente. Encuentra firmas con arquetipos significativos a través de los cuales se puede analizar la diversidad para establecer asociaciones significativas con el crecimiento espacial de los tumores y la metabolómica.

Nueva clasificación para impulsar tratamientos mejores y específicos

Los investigadores afirman que utilizar AANET para caracterizar los diferentes grupos de células de un tumor según su biología abre las puertas a un cambio de paradigma en el tratamiento del cáncer.

"Actualmente, la selección del tratamiento contra el cáncer para un paciente se basa en gran medida en el órgano que tiene el cáncer, como mama, pulmón o próstata, y todos los marcadores moleculares. Sin embargo, esto supone que todas las células de ese cáncer son iguales. En cambio, ahora tenemos una herramienta para caracterizar la heterogeneidad que caracteriza la heterogeneidad del paciente, como cualquier grupo que se ocupa de una etapa biológica. Sabemos que se dirigiráncadade estos diferentes grupos a través de sus vías biológicas. Esto tiene el potencial de mejorar significativamente los resultados de este paciente”, afirma el profesor asociado Chaffer.

Con respecto a la aplicación de Aanet, la coautora principal del estudio y directora científica de Garvan, la profesora Sarah Kummerfeld, explica: "Visualizamos un futuro en el que los médicos combinen este análisis de IA con diagnósticos de cáncer tradicionales para desarrollar tratamientos más personalizados que se dirijan a todos los tipos de células en el tumor único de los tipos de células. Podemos mejorar una mejora técnica y biológica de los pacientes. Nuestro estudio puede abordar la biología tecnológica y biológica. Podemos abordar la bioaplicación tecnológica y biológica a la biología tecnológica y biológica en enfermedades como las enfermedades autoinmunes.

Esta investigación se apoyó en las siguientes fuentes.

en australia: The Nelune Foundation, Tour de Cure, Estee Lauder, The Kinghorn Foundation, The Paramor Family Foundation, University of New South Wales Research Grant, Ramaciotti Biomedical Research Award, ARC Development Project Grant y NHMRC Ideas Grants y Investigator Grant.

en los estados unidos: Beca científica de la Fundación Gruber y el Centro Eric y Wendy Schmidt del Instituto Broad del MIT y Harvard, la Fundación Nacional de Ciencias, la Beca piloto del Centro Oncológico de Yale y la Beca Sloan.

Fuentes: