Usando inteligencia artificial, investigadores han descubierto cómo detectar mutaciones genéticas en tumores cerebrales cancerosos en menos de 90 segundos, y posiblemente optimizar el diagnóstico y el tratamiento de los gliomas, de acuerdo a los resultados de un estudio.

Un equipo de neurocirujanos e ingenieros de Michigan Medicine, en colaboración con investigadores de la Universidad de Nueva York, la Universidad de California, San Francisco y otros, desarrolló un sistema de detección de diagnóstico basado en IA llamado DeepGlioma, que utiliza imágenes rápidas para analizar muestras de tumores tomadas durante una operación y detectar mutaciones genéticas más rápidamente.

En un estudio de más de 150 pacientes con glioma difuso, el tumor cerebral primario más común y mortal, el sistema recientemente desarrollado identificó mutaciones utilizadas por la Organización Mundial de la Salud para definir subgrupos moleculares de la afección con una precisión promedio superior al 90 %. Los resultados se publican en Nature Medicine .

«Esta herramienta basada en IA tiene el potencial de mejorar el acceso y la velocidad del diagnóstico y la atención de pacientes con tumores cerebrales mortales «, dijo el autor principal y creador de DeepGlioma Todd Hollon, MD, neurocirujano de University of Michigan Health y profesor asistente de neurocirugía en la Facultad de Medicina de la UM.

La clasificación molecular es cada vez más central para el diagnóstico y el tratamiento de los gliomas, ya que los beneficios y los riesgos de la cirugía varían entre los pacientes con tumores cerebrales según su composición genética. De hecho, los pacientes con un tipo específico de glioma difuso llamado astrocitoma pueden ganar un promedio de cinco años con la extirpación completa del tumor en comparación con otros subtipos de glioma difuso.

Sin embargo, el acceso a las pruebas moleculares para el glioma difuso es limitado y no está disponible de manera uniforme en los centros que tratan a pacientes con tumores cerebrales. Cuando está disponible, dice Hollon, el tiempo de entrega de los resultados puede llevar días, incluso semanas.

«Las barreras para el diagnóstico molecular pueden resultar en una atención subóptima para los pacientes con tumores cerebrales, lo que complica la toma de decisiones quirúrgicas y la selección de regímenes de quimiorradiación», dijo Hollon.

Antes de DeepGlioma, los cirujanos no tenían un método para diferenciar los gliomas difusos durante la cirugía. Una idea que comenzó en 2019, el sistema combina redes neuronales profundas con un método de imagen óptica conocido como histología Raman estimulada, que también se desarrolló en la UM, para obtener imágenes del tejido del tumor cerebral en tiempo real.

«DeepGlioma crea una vía para una identificación precisa y más oportuna que brindaría a los proveedores una mejor oportunidad para definir tratamientos y predecir el pronóstico del paciente», dijo Hollon.

Incluso con un tratamiento estándar óptimo, los pacientes con glioma difuso enfrentan opciones de tratamiento limitadas. El tiempo medio de supervivencia de los pacientes con gliomas difusos malignos es de solo 18 meses.

Si bien el desarrollo de medicamentos para tratar los tumores es esencial, menos del 10 % de los pacientes con glioma se inscriben en ensayos clínicos, lo que a menudo limita la participación por subgrupos moleculares. Los investigadores esperan que DeepGlioma pueda ser un catalizador para la inscripción temprana en el ensayo.

«El progreso en el tratamiento de los tumores cerebrales más mortales ha sido limitado en las últimas décadas, en parte porque ha sido difícil identificar a los pacientes que se beneficiarían más de las terapias dirigidas», dijo el autor principal Daniel Orringer.

«Los métodos rápidos para la clasificación molecular son muy prometedores para repensar el diseño de ensayos clínicos y llevar nuevas terapias a los pacientes», enfatizó.