Científicos argentinos desarrollan una herramienta capaz de medir la respuesta inmune contra cualquier tipo de cáncer

Científicos argentinos desarrollan una herramienta capaz de medir la respuesta inmune contra cualquier tipo de cáncer

La inmunoterapia revolucionó hace más de una década el tratamiento del cáncer. Provocó un cambio de paradigma: en lugar de atacar directamente al tumor (como hacen las terapias tradicionales), hace que el sistema inmunológico se defienda. No obstante, en la actualidad sólo vemos la punta del iceberg de todo su potencial, ya que mientras algunos pacientes logran mejorías notables e incluso remisiones completas de la enfermedad, alrededor de dos de cada tres todavía no responden a esas prometedoras terapias. Entender por qué no funcionan para todos, poder identificar previamente quiénes se beneficiarán y lograr ampliar esa población, son los principales desafíos. Investigadores argentinos desarrollaron una herramienta basada en inteligencia artificial que busca contribuir a esos objetivos.

Se trata de Mixture, un software de acceso libre que permite cuantificar en forma precisa la cantidad y el tipo de glóbulos blancos que se infiltran en el tumor, algo que resulta crucial, entre otras cosas, para determinar el pronóstico de los pacientes, explican sus desarrolladores en un artículo publicado en la revista Briefings in Bioinformatics.

«Los glóbulos blancos son los que intervienen en la respuesta natural e inmunológica del individuo para combatir al tumor. Los tumores en cierta forma ‘negocian’ su supervivencia con el microentorno que los rodea. Actualmente hay diversas estrategias terapéuticas que intentan estimular el sistema inmune para combatir al tumor», explica a Clarín Elmer Fernández, primer autor del trabajo e investigador del Centro de Investigación y Desarrollo en Inmunología y Enfermedades Infecciosas (CIDIE), que depende de la Universidad Católica de Córdoba (UCC) y del CONICET.

Pero, como se anticipó, las inmunoterapias, que actúan liberando al sistema inmunológico de los frenos que los tumores le imponen, todavía fallan en muchos casos.

«Entender la asociación entre la composición de células inmunes que infiltran los tumores y los mecanismos de resistencia a las terapias existentes permitiría buscar alternativas terapéuticas para estos pacientes”, afirmó a la agencia CyTA-Leloir la doctora en Biología Romina Girotti, directora del estudio e investigadora del Instituto de Biología y Medicina Experimental (IBYME), dependiente del CONICET.

Mixture es una herramienta bioinformática que cuantifica de manera muy precisa la cantidad y el tipo de glóbulos blancos que se infiltran en tumores. (Agencia CyTA-Leloir)

Mixture es una herramienta bioinformática que cuantifica de manera muy precisa la cantidad y el tipo de glóbulos blancos que se infiltran en tumores. (Agencia CyTA-Leloir)

Cómo surgió

El desarrollo surgió a partir de limitaciones con las que se toparon los investigadores al intentar estudiar ese microentorno inmunológico con el que «negocia» el tumor. «Vimos que los algoritmos existentes tenían deficiencias tanto teóricas como algorítmicas, entonces decidimos ver de mejorar su performance incorporando conceptos de ciencias de datos, computación y aprendizaje de máquinas”, cuenta Fernández.

Mixture -continúa- es un algoritmo que estima la presencia de ciertos tipos celulares en una biopsia de tejido a la que previamente se le midió los niveles de expresión de los genes.

El equipo analizó con la herramienta datos de biopsias tumorales de cáncer de mama (703 en total), pulmón (526), cabeza y cuello (494), melanoma (401), y colorrectal (452) obtenidos de proyecto El Atlas del Genoma del Cáncer (TCGA, por sus siglas en inglés).

Resultados

La exploración de la composición celular inmune del microentorno del tumor contribuye a identificar biomarcadores que permiten establecer qué pacientes tienen más probabilidades de beneficiarse con las nuevas terapias.

Por ejemplo, en el caso de cáncer de mama los investigadores encontraron asociaciones entre el tiempo de sobrevida de pacientes y el infiltrado de diferentes células del sistema inmune (macrófagos M1 y M2, y células T CD4+ de memoria) en los tumores.

En personas con melanoma, en tanto, hallaron que quienes no respondían a dos tipos de inmunoterapia tenían un mayor infiltrado de macrófagos M2 y aquellos que sí se beneficiaban mostraban un mayor infiltrado de células T-CD8, que son las encargadas de eliminar a las células tumorales.

«Al revelarnos la presencia y la proporción estimada de los tipos celulares del sistema inmune, Mixture nos permite ver como éstos se alteran ante los diferentes tratamientos, evolución o características del paciente», sostuvo Fernández.

En ese sentido, para todos los tipos de cáncer, los investigadores establecieron relaciones entre factores genéticos (que varían entre las personas) y el tipo y cantidad de células inmunes infiltradas en los tumores. Asimismo, determinaron de qué manera la asociación entre esas dos variables incidía, a favor o en contra, en la respuesta de los pacientes a las inmunoterapias, explican desde la agencia CyTA-Leloir. «Esta caracterización echa luz sobre potenciales terapias o estrategias de monitoreo del paciente», afirmó Girotti.

La herramienta ofrece una alternativa superadora a los métodos actuales, se puede aplicar a cualquier tipo de tumor, es de libre acceso y está disponible para la comunidad científica en el repositorio GitHub, desde donde se puede acceder a diferentes versiones según el tipo de usuario (bioinformáticos en lenguaje R y Python y biólogos sin experiencia en bioinformática mediante una app web).

El equipo de investigadores también estuvo conformado por Gabriel Rabinovich, Yamil Mahmoud, Florencia Veigas y Joaquín Merlo, del IBYME y del CONICET; Darío Rocha, de la UCC; Hugo Luján, del CIDIE y del CONICET; Matías Miranda, de la UCC; y Mónica Balzarini, del CONICET.

Inteligencia artificial y tratamientos personalizados

Fernández ve un importante potencial en la aplicación de inteligencia artificial para la personalización del tratamiento del cáncer.

«Hoy en día hay se están generando y almacenando diferentes tipos de datos (genética, de imágenes, biomarcadores) de los pacientes, que pueden aportar información sobre las características del mismo, el tipo de terapia, su respuesta y evolución; en cierta forma se dice que hoy el paciente es una fuente de big data. Si esa fuente de datos está disponible para la comunidad científico-técnica, los algoritmos actuales y futuros podrán extraer patrones que permitan una mejor caracterización del paciente y ello nos llevará a proporcionarle al médico una herramienta que le permita encontrar una mejor asociación paciente- terapia. Creo que en este sentido el futuro es muy prometedor«, concluyó./Clarín