El cáncer gástrico se encuentra entre las principales causas de muerte relacionada con el cáncer en todo el mundo. Una gran mayoría de los pacientes con cáncer gástrico reciben quimioterapia y, a veces, inmunoterapia, como parte de su plan de tratamiento. Sin embargo, no todos los pacientes se benefician de estas terapias, según subrayan investigadores de la Clínica Mayo (EEUU). Y es que consideran que se necesitan más biomarcadores que pronostiquen de forma fiable la respuesta del paciente para mejorar la precisión del tratamiento.

"Buscamos utilizar la secuenciación genómica para construir un modelo que prediga la probabilidad de que un paciente se beneficie de la quimioterapia o la inmunoterapia", explcó el Dr. Tae Hyun Hwang, del Centro del Cáncer de la Clínica Mayo en Florida.

Para construir este modelo, el Dr. Hwang y su equipo desarrollaron e implementaron un algoritmo de aprendizaje automático que integró datos genéticos de más de 5000 pacientes. Luego, el equipo desarrolló una firma molecular que consta de 32 genes que podrían usarse para guiar las decisiones de atención al paciente. "Nos sorprendió que la firma de 32 genes que identificamos pudiera predecir la respuesta de un paciente a la inmunoterapia porque identificar biomarcadores confiables para la respuesta a la inmunoterapia en pacientes con cáncer gástrico ha resultado un desafío".

"La firma molecular de 32 genes aún necesita una validación prospectiva, pero cree que eventualmente podrá identificar a los pacientes que probablemente respondan a la quimioterapia y la inmunoterapia. Del mismo modo, también podríamos identificar a los pacientes que probablemente no se beneficiarían de la quimioterapia y la inmunoterapia, evitándoles así los posibles efectos secundarios de estas terapias", añadió este experto.

El equipo del Dr. Hwang también está trabajando para desarrollar nuevos ensayos basados ​​en el nivel de expresión de uno o varios genes para hacer que los biomarcadores sean más accesibles y fáciles de implementar en el entorno clínico. "Estamos trabajando en algoritmos de inteligencia artificial que utilizan imágenes de histopatología de diagnóstico para identificar a los pacientes que tienen más probabilidades de beneficiarse de la inmunoterapia.También estamos estudiando los mecanismos moleculares de la resistencia a la inmunoterapia disponibles gracias a los enfoques de aprendizaje automático e inteligencia artificial que hemos desarrollado en nuestro laboratorio", concluyó el Dr. Hwang.