Tumores cerebrales: logran un avance inédito gracias a la inteligencia artificial

Una vez que el bisturí alcanza el borde de un tumor cerebral, los cirujanos se enfrentan a una decisión angustiosa: cortar parte del tejido cerebral sano para asegurarse de que se extirpa todo el tumor o dar un amplio margen al tejido sano y arriesgarse a dejar algunas de las células amenazadoras.

El método, descrito en un estudio publicado el miércoles en la revista Nature, consiste en que una computadora escanee segmentos del ADN de un tumor y se fije en determinadas modificaciones químicas que pueden arrojar un diagnóstico detallado del tipo e incluso subtipo de tumor cerebral.

Ese diagnóstico, generado durante las primeras fases de una intervención quirúrgica de varias horas de duración, puede ayudar a los cirujanos a decidir la agresividad de la operación, explican los investigadores. En el futuro, el método también podría orientar a los médicos hacia tratamientos adaptados a un subtipo específico de tumor.

“Es imprescindible conocer el subtipo de tumor en el momento de la operación”, dijo Jeroen de Ridder, profesor asociado del Centro de Medicina Molecular del hospital holandés UMC Utrecht, que colaboró en la conducción del estudio. “Lo que ahora hemos hecho posible de forma única es permitir que ese diagnóstico de grano muy fino, sólido y detallado se realice ya durante la cirugía”.

Ese sistema de aprendizaje profundo, llamado Sturgeon, se probó por primera vez en muestras tumorales congeladas de operaciones anteriores de cáncer cerebral. Diagnosticó con precisión 45 de 50 casos a los 40 minutos de comenzar la secuenciación genética. En los otros cinco casos, se abstuvo de ofrecer un diagnóstico porque la información no estaba clara.

A continuación, el sistema se probó durante 25 operaciones cerebrales en vivo, la mayoría de ellas en niños, junto con el método estándar de examinar las muestras tumorales al microscopio. El nuevo método emitió 18 diagnósticos correctos y no alcanzó el umbral de confianza necesario en los otros siete casos. Según el estudio, los diagnósticos se realizaban en menos de 90 minutos, tiempo suficiente para tomar decisiones durante una operación.

El nuevo método utiliza una técnica de secuenciación genética más veloz y la aplica sólo a una pequeña porción del genoma celular, lo que permite obtener resultados antes de que el cirujano haya empezado a operar los bordes del tumor.

De Ridder señaló que el modelo es lo bastante potente como para emitir un diagnóstico con datos genéticos escasos, algo así como si alguien reconociera una imagen basándose sólo en el 1% de sus píxeles y a partir de una porción desconocida de la imagen.

“Puede averiguar por sí mismo lo que está viendo y hacer una clasificación sólida”, dijo de Ridder, que también es investigador principal del Instituto Oncode, un centro de investigación del cáncer de los Países Bajos.

Pero algunos tumores siguen siendo difíciles de diagnosticar. Las muestras tomadas durante la operación son del tamaño de un grano de maíz y, si incluyen tejido cerebral sano, el sistema de aprendizaje profundo puede tener dificultades para detectar suficientes marcadores específicos del tumor.

También puede haber diferencias entre las células tumorales de un mismo paciente, lo que significa que el pequeño segmento secuenciado puede no ser representativo de todo el tumor. Algunos tumores menos comunes pueden no corresponderse con los que se han clasificado anteriormente. Y algunos tipos de tumores son más fáciles de clasificar que otros.

Pero Sebastian Brandner, catedrático de neuropatología del University College de Londres, afirmó que la secuenciación y clasificación de células tumorales a menudo sigue requiriendo importantes conocimientos de bioinformática, así como especialistas capaces de ejecutar, solucionar problemas y reparar la tecnología.

El nuevo método forma parte de un amplio movimiento encaminado a aportar precisión molecular al diagnóstico de tumores, lo que podría permitir a los científicos desarrollar tratamientos específicos menos dañinos para el sistema nervioso. Pero traducir un conocimiento más profundo de los tumores a nuevas terapias es difícil.