Investigadores de la Universidad Queen Mary de Londres han desarrollado un algoritmo de aprendizaje automático que clasifica los fármacos en función de su eficacia para reducir el crecimiento de las células cancerosas.

El método podría servir para avanzar en las terapias personalizadas en el futuro, al permitir a los oncólogos seleccionar los mejores fármacos para tratar a cada paciente con cáncer.

El método, denominado Drug Ranking Using Machine Learning (DRUML), se publicó en Nature Communications y se basa en el análisis de aprendizaje automático de los datos derivados del estudio de las proteínas expresadas en las células cancerosas.

Tras haber sido entrenado en las respuestas de estas células a más de 400 fármacos, DRUML predice el mejor fármaco para tratar un determinado modelo de cáncer.

En relación con el nuevo método, el profesor Pedro Cutillas, de la Universidad Queen Mary de Londres, que dirigió el estudio, declaró lo siguiente "DRUML predijo la eficacia de los fármacos en varios modelos de cáncer y a partir de datos obtenidos en diferentes laboratorios y en un conjunto de datos clínicos. Se trata de resultados muy interesantes, ya que los métodos de aprendizaje automático anteriores no han logrado predecir con exactitud las respuestas a los fármacos en conjuntos de datos de verificación, y demuestran la solidez y la amplia aplicabilidad de nuestro método."

La investigación fue financiada por el Instituto Alan Turing, el Consejo de Investigación Médica, la organización benéfica Barts y la organización Cancer Research UK.

El equipo utilizó conjuntos de datos derivados de análisis proteómicos (el estudio de las proteínas dentro de las células) y fosfoproteómicos (el estudio de cómo se modifican estas proteínas) de 48 líneas celulares de leucemia, esófago y cáncer de hígado como entrada para que DRUML construyera modelos que pudieran aplicarse a la leucemia y los tumores sólidos.

Al entrenar los modelos a partir de las respuestas de estas células a 412 fármacos contra el cáncer incluidos en los repositorios de respuesta a fármacos, DRUML fue capaz de producir listas ordenadas en función de la eficacia de los fármacos para reducir el crecimiento de las células cancerosas.

A continuación, el equipo verificó la precisión predictiva de los modelos utilizando datos obtenidos de otros 12 laboratorios y un conjunto de datos clínicos de 36 muestras de leucemia mieloide aguda primaria.

Es importante destacar que, a medida que se desarrollen nuevos fármacos en el futuro, DRUML podría reentrenarse para captar todos los fármacos oncológicos clínicamente relevantes.

Los cánceres del mismo tipo presentan una gran variación en su composición genética y sus características de un paciente a otro. En la clínica, esta variación se traduce en que los pacientes tienen diferentes respuestas a la terapia.

Para hacer frente a este problema, el campo de la medicina personalizada pretende combinar los conocimientos genéticos con otra información clínica y de diagnóstico para identificar patrones que permitan a los médicos predecir las respuestas de los pacientes a las terapias y seleccionar las intervenciones más eficaces.

La aplicación de la inteligencia artificial y el aprendizaje automático a la biomedicina promete ayudar a la medicina personalizada y transformar la forma de diagnosticar y tratar los cánceres en el futuro.

Este estudio representa un avance significativo de la inteligencia artificial en la investigación biomédica, y demuestra que el aprendizaje automático a partir de los datos de la proteómica y la fosfoproteómica puede ser una forma eficaz de seleccionar el mejor fármaco para tratar diferentes modelos de cáncer.

Fuente: Queen Mary University of London