Inteligencia artificial para predecir el cáncer colorrectal TMB-H a partir de características histopatológicas

Los biomarcadores son determinantes importantes de enfoques terapéuticos apropiados y eficaces para diversas enfermedades, incluido el cáncer. Existe una amplia evidencia que apunta hacia la importancia de los inhibidores de puntos de control inmunológico (ICI) contra el cáncer, y mostraron beneficios clínicos prometedores para un grupo específico de pacientes con cáncer colorrectal (CCR). Varios informes demostraron la eficacia de biomarcadores como el ligando proteico de muerte programada 1 (PD-L1), densidad de linfocitos infiltrantes de tumores (TIL), y carga mutacional tumoral (TMB), para determinar la capacidad de respuesta del paciente para el uso eficiente de ICI como terapéutica contra el cáncer.

Un alto nivel de TMB (TMB-H), que refleja un elevado número total de mutaciones somáticas no sinónimas por área de codificación de un genoma tumoral y normalmente derivadas de pruebas de panel de genes, es reconocido como un biomarcador prometedor para las terapias ICI de varios cánceres sólidos. Sin embargo, en la práctica clínica, no es factible realizar pruebas de panel de genes para todos los pacientes con cáncer.

Dr. Yoshifumi Shimada y compañeros de trabajo de la División de Cirugía General y Digestiva, Escuela de Postgrado en Ciencias Médicas y Odontológicas, Universidad de Niigata, consideró TMB-H de un subgrupo específico de pacientes con CCR, como un marcador más robusto para predecir la eficacia de las ICI, y desarrolló un algoritmo basado en la red neuronal convolucional (CNN) para predecir el CRC de TMB-H directamente a partir de las características histopatológicas, en particular, el TIL, obtenido de los portaobjetos teñidos con hematoxilina y eosina (H&E). En la figura adjunta se muestra una imagen microscópica representativa del tumor de cáncer colorrectal con carga mutacional del tumor teñido con H&E. demostrando la presencia de linfocitos que infiltran el tumor en un nivel significativamente elevado en comparación con el tejido circundante normal.

La información digital de estas imágenes neoplásicas y no neoplásicas obtenidas de la cohorte JP-CRC se transforma y normaliza para construir un modelo predictivo de red neuronal convoluta empleando el modelo de aprendizaje Inception V3, por el grupo Dr. Shimada. El modelo basado en CNN desarrollado por el Dr. Shimada y sus colaboradores tiene el potencial de no solo reducir la carga del diagnóstico adecuado para los patólogos, sino también proporcionar la información necesaria sobre la capacidad de respuesta de los pacientes a la terapéutica basada en ICI. sin el uso de costosos, pruebas de panel de genes que requieren mucho tiempo y no están fácilmente disponibles. Este estudio del Dr. Shimada y colaboradores se publica en una edición reciente de Revista de gastroenterología (2021; vol. 56:págs. 547-559; https:/ / doi. org / 10. 1007 / s00535-021-01789-w).

Además, Los estudios del grupo del Dr. Shimada también proporcionaron medios para predecir el CCR de TMB-H solo mediante el uso de la información de TIL de los portaobjetos de H&E de los tejidos tumorales de los pacientes. Sin embargo, considerando que los pacientes de la cohorte estudiada no fueron tratados con ningún ICI, no se pudieron sacar conclusiones con respecto a su capacidad de respuesta de ICI después del diagnóstico de TMB-H y se sugirió que se deben realizar ensayos clínicos futuros para determinar si la TIL por sí sola puede ser útil como un biomarcador predictivo de la eficacia de las ICI.

El Dr. Shimada dice sobre el presente estudio:" Hemos desarrollado inteligencia artificial para predecir alteraciones genéticas en el cáncer colorrectal mediante el aprendizaje profundo utilizando diapositivas de hematoxilina y eosina. Esta inteligencia artificial es importante para resolver los problemas de costos asociados con el análisis genético y facilitar la medicina personalizada en el cáncer colorrectal. . "

En general, Los estudios del Dr. Shimada y sus asociados proporcionan un método confiable y rentable para informar a los médicos si el paciente con CCR que están manejando puede beneficiarse del Inhibidor del punto de control inmunológico (incluidos los inhibidores de la proteína PD-1 y su ligando, PD-L1) terapia, sin implicar el uso del panel de genes.

• Bajo en fibra,
• Stent inspirado en Kirigami para mejorar la administración de medicamentos para enfermedades que afectan los órganos tubulares