Ciertos tipos de cáncer son más sensibles o más resistentes a diferentes tipos de regímenes de radiación, no obstante, se suele utilizar radioterapia de "talla única", con una dosis y una frecuencia de tratamiento determinadas, independientemente de las características genómicas del tumor. 

Sin embargo, "identificando a los pacientes que pueden beneficiarse de dosis más bajas, podríamos reducir la toxicidad del tratamiento y ajustar la dosis para tumores más resistentes o combinarla con otras terapias", según expone Venkata Manem, afiliada a la Facultad de Medicina de la Université Laval y al Centre de recherche CHU de Québec, que, junto con su equipo, han dado un paso prometedor para avanzar en la investigación preclínica en el campo de la oncología radioterápica de precisión. 

"Todos los tumores son diferentes, aunque estén clasificados en el mismo grupo, en el mismo estadio y con las mismas características anatómicas. Se diferencian en múltiples aspectos, como las mutaciones presentes, el microambiente y los componentes inmunes. Todos estos factores pueden afectar la respuesta a la radiación", añade Alona Kolnohuz, primera autora del estudio, que se ha publicado en la revista ´BMC Cancer´.

Predictor molecular

A partir de datos de líneas celulares junto con enfoques bioinformáticos y basados ​​en el aprendizaje automático, el equipo de investigación ha creado un predictor molecular de la respuesta a la radiación que podría probarse en un entorno preclínico, antes de implementarse en estudios clínicos. 

"La mayoría de los estudios en el campo utilizan la cantidad de células que sobreviven a una dosis de radiación determinada, cercana a 2 Gy de dosis de radiación, lo que equivale a mirar un solo punto para llegar a una conclusión. Nuestro enfoque utiliza en su lugar el área bajo la curva dosis-respuesta de radiación (AUC). Basándonos en nuestros hallazgos, llegamos a la conclusión de que el AUC debería considerarse como un indicador preclínico de radiorespuesta en estudios futuros, ya que captura una gama más amplia de procesos biológicos", señaló la prof. Manem. 

"Con las tecnologías emergentes impulsadas por la IA y las OMICS, ha llegado el momento de que la medicina de precisión dé un gran salto lejos del marco convencional de ´talla única´", afirmó, la prof. Manem. "La firma genética desarrollada de sensibilidad a la radiación tiene el potencial de ayudar en la toma de decisiones, personalizar los tratamientos y mejorar los resultados"

Por tanto, la siguiente etapa de su investigación pasa, según han indicado, por validar la firma molecular desarrollada en los datos de los pacientes y crear un ensayo clínico utilizando métodos interpretables basados ​​en el aprendizaje automático junto con la identificación de compuestos radiosensibilizantes que pueden aumentar la eficacia terapéutica de la radiación.