Los investigadores del Hospital Brigham and Women's y el Instituto del Cáncer Dana-Farber están aprovechando el poder de la inteligencia artificial para desarrollar una nueva técnica para detectar el cáncer de ovario de manera temprana y precisa. El equipo ha identificado una red de microARN circulantes: pequeños, no codificantespiezas de material genético, que están asociadas con el riesgo de cáncer de ovario y pueden detectarse a partir de una muestra de sangre. Sus hallazgos se publican en línea en eLife .
La mayoría de las mujeres son diagnosticadas con cáncer de ovario cuando la enfermedad está en una etapa avanzada, en cuyo punto solo una cuarta parte de las pacientes sobrevivirá durante al menos cinco años. Pero para las mujeres cuyo cáncer se detecta por casualidad en una etapa temprana, la supervivencialas tasas son mucho más altas. Actualmente, no existen técnicas de detección aprobadas por la FDA para el cáncer de ovario, lo que dificulta el diagnóstico temprano de la enfermedad, ya sea en mujeres con predisposición genética a la enfermedad o en la población en general.
El cáncer de ovario es relativamente raro en comparación con otras afecciones ginecológicas benignas como los quistes ováricos. Pero las pruebas de detección temprana, como la ecografía o la detección de la proteína CA125, tienen una alta tasa de falsos positivos para el cáncer de ovario. Y los ensayos clínicos han encontrado que cuandoEstas pruebas se utilizan para tratar de detectar el cáncer de ovario en etapa temprana, no tienen un impacto significativo en las tasas de supervivencia. El equipo de Dana-Farber y BWH buscó una herramienta que fuera más sensible y específica para detectar casos verdaderos de etapa tempranaenfermedad.
El equipo analizó un conjunto de moléculas llamadas microARN - regiones no codificantes del genoma que ayudan a controlar dónde y cuándo se activan los genes.
"los microARN son los editores de redacción del genoma: antes de que un gen se transcriba en una proteína, modifican el mensaje y agregan notas de corrección al genoma", dijo el autor principal Kevin Elias, MD, del Departamento de Obstetricia y Ginecología de BWH.
"Este proyecto ejemplifica la sinergia de los dos institutos DFCI y BWH y el poder de los médicos que trabajan en estrecha colaboración con científicos de laboratorio. Mi laboratorio ha estado trabajando en miRNA durante una década y cuando Kevin nos llegó con las muestras de pacientes,fue una obviedad para iniciar este proyecto ", dijo el autor principal Dipanjan Chowdhury, PhD, Jefe de la División de Radiación y Estabilidad Genómica en el Departamento de Oncología de Radiación del DFCI.
En el laboratorio, Elias y Chowdhury y sus colegas determinaron que las células de cáncer de ovario y las células normales tienen diferentes perfiles de microARN. A diferencia de otras partes del código genético, los microARN circulan en la sangre, lo que permite medir sus niveles a partir de una muestra de sueroEl equipo secuenciaron los microARN en muestras de sangre de 135 mujeres antes de la cirugía o la quimioterapia para crear un "conjunto de entrenamiento" con el cual entrenar un programa de computadora para buscar diferencias de microARN entre casos de cáncer de ovario y casos de tumores benignos, no-tumores invasivos y tejido sano. Utilizando este enfoque de aprendizaje automático, el equipo podría aprovechar grandes cantidades de datos de microARN y desarrollar diferentes modelos predictivos. El modelo que distingue con mayor precisión el cáncer de ovario del tejido benigno se conoce como un modelo de red neuronal, que reflejaLas complejas interacciones entre microARN.
"Cuando entrenamos una computadora para encontrar el mejor modelo de microARN, es como identificar constelaciones en el cielo nocturno. Al principio, hay muchos puntos brillantes, pero una vez que encuentras un patrón, en cualquier parte del mundo, puedes elegirlo ", dijo Elias.
El equipo luego probó este modelo de secuenciación en un grupo independiente de 44 mujeres para determinar la precisión de la prueba. Una vez que se confirmó la precisión del modelo, el equipo desplegó el modelo en múltiples conjuntos de muestras de pacientes, utilizando un total de 859 pacientesmuestras para medir la sensibilidad y especificidad del modelo. La nueva técnica fue mucho mejor para predecir el cáncer de ovario que una prueba de ultrasonido. Mientras que usar ultrasonido menos del 5 por ciento de los resultados anormales de la prueba sería cáncer de ovario, casi el 100 por ciento de los resultados anormales usando elLa prueba de microARN en realidad representaba el cáncer de ovario. Finalmente, el grupo puso en práctica su modelo final, utilizando la prueba de diagnóstico de microARN para predecir los diagnósticos de 51 pacientes que se presentaron para recibir atención quirúrgica en Lodz, Polonia. En esta población, el 91.3 por ciento de los resultados anormales de la pruebafueron casos de cáncer de ovario, una tasa muy baja de falsos positivos. Los resultados negativos de las pruebas predijeron de manera confiable la ausencia de cáncer alrededor del 80 por ciento de las vecesch es comparable a la precisión de una prueba de Papanicolaou.
"La clave es que es muy poco probable que esta prueba diagnostique erróneamente el cáncer de ovario y dé una señal positiva cuando no hay tumor maligno. Este es el sello distintivo de una prueba diagnóstica eficaz", dijo Chowdhury.
El equipo también buscó evidencia de relevancia biológica para los microARN distintivos. Encontraron cambios en la cantidad de estos microARN en muestras de sangre recolectadas antes y después de la cirugía, lo que sugiere que la señal de microARN disminuye después de que se extrae el tejido canceroso. También tomaronmuestras de pacientes reales e imágenes de los microARN en las células cancerosas, lo que demuestra que la señal del suero provenía de los tejidos cancerosos.
Para mover la herramienta de diagnóstico fuera del laboratorio y llevarla a la clínica, el equipo de investigación deberá verificar cómo cambia la firma del microARN con el tiempo a medida que aumenta el riesgo de cáncer de ovario. Para ello, deberán utilizar prospectivamente, longitudinalmente recogidomuestras que siguen a mujeres a lo largo del tiempo. Están particularmente interesadas en determinar si la herramienta será útil para mujeres con alto riesgo de cáncer de ovario, así como para la población en general.
Fuente de la historia :
Materiales proporcionado por Hospital Brigham y de mujeres . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :