Un equipo de científicos de la Universidad de Ginebra desarrolló una nueva herramienta de inteligencia artificial capaz de anticipar con alta precisión la probabilidad de que un tumor canceroso se disemine por el organismo, lo que representa un avance con potencial para personalizar tratamientos y optimizar los ensayos clínicos.
La innovación, presentada en la revista Cell Reports y reportada por el portal especializado Science Daily, se basa en analizar patrones genéticos en las células tumorales y traducir esa información en pronósticos confiables sobre el riesgo de metástasis.
El método demostró una capacidad de predicción cercana al 80 % para anticipar la recurrencia y diseminación de cáncer de colon, según resultados destacados. Esta cifra supera el desempeño de otras técnicas actuales y, además, las mismas firmas genéticas empleadas en colon resultaron útiles para estimar riesgos en tumores gástricos, pulmonares y mamarios.
La clave, según explicó Ariel Ruiz i Altaba, profesor del Departamento de Medicina Genética y del Desarrollo en la Universidad de Ginebra, radica en comprender la lógica interna que gobierna la evolución de los cánceres. “El origen del cáncer suele atribuirse a las ‘células anárquicas’, pero el cáncer debería entenderse más como un proceso de desarrollo distorsionado”, afirmó el investigador.
Según su explicación, alteraciones genéticas y epigenéticas reactivan programas biológicos activos solo en fases tempranas del desarrollo, lo que impulsa la formación y progresión tumoral.
El enfoque genético detrás de la IA MangroveGS logra detectar señales de metástasis
La metástasis es responsable de la mayoría de los fallecimientos por cáncer, especialmente en colon, mama y pulmón. Detectar células migratorias en la sangre o el sistema linfático suele implicar que la diseminación ya comenzó.
En este estudio, los investigadores de Ginebra analizaron en laboratorio aproximadamente 30 clones celulares obtenidos de dos tumores de colon humanos, al evaluar su diversidad genética y comportamental para identificar patrones de migración y dispersión.
El equipo, liderado por Ruiz i Altaba cultivó individualmente los clones y sometió sus características a pruebas in vitro y en modelos murinos. De este modo, pudieron observar con precisión cómo distintos conglomerados celulares mostraban diferentes capacidades de atravesar filtros biológicos y originar metástasis.
La investigación evidenció que ningún perfil genético aislado explica por sí solo el potencial metastático, sino más bien la interacción entre subgrupos de células tumorales. Ruiz i Altaba resumió: “La dificultad consiste en determinar la identidad molecular completa de una célula, lo que requiere destruirla, mientras que observar su función exige mantenerla viva”.
El sistema MangroveGS predice con precisión los riesgos para orientar tratamientos y ensayos
El núcleo del sistema bautizado como Mangrove Gene Signatures (MangroveGS) consiste en su capacidad para integrar simultáneamente decenas o cientos de firmas genéticas. Aravind Srinivasan, participante del estudio, destacó: “La gran novedad de nuestra herramienta es que se aprovecha de una gran diversidad de firmas génicas, lo que la hace especialmente resistente a las variaciones individuales”.
Una vez entrenado, el modelo logró trasladar con éxito la información genética de muestras hospitalarias a un marcador clínico personalizado: tras el análisis y la secuenciación del ARN de las células tumorales, MangroveGS genera rápidamente una puntuación de riesgo de metástasis, la cual se transmite de forma segura a médicos y pacientes mediante una plataforma cifrada.
Según Ruiz i Altaba, esta herramienta permitirá evitar tratamientos agresivos en pacientes con riesgo bajo y, por lo tanto, limitar efectos adversos y costes innecesarios. Al mismo tiempo, su aplicación facilitará una vigilancia más estrecha y tratamientos intensivos en quienes presenten alto riesgo.
Además, MangroveGS optimizará la selección de participantes en ensayos clínicos: “Ofrece la posibilidad de reducir la cantidad de voluntarios requeridos, incrementar la potencia estadística de los estudios y maximizar los beneficios terapéuticos para quienes más lo necesitan”, detalló el profesor.
INFOBAE
