PhenMap y NHS: AI identificará a quién no beneficiará el bevacizumab en el cáncer colorrectal

Investigadores británicos e irlandeses han presentado un enfoque de IA que ayuda a evaluar de antemano si el bevacizumab funcionará para un paciente con cáncer colorrectal avanzado. Si el método se confirma en muestras grandes, los médicos podrán prescribir tratamiento tóxico y costoso con menor frecuencia a quienes casi seguramente no le beneficiará.

Cómo Funciona el Método

El Instituto de Investigación del Cáncer en Londres y el RCSI en Dublín trabajaron en el sistema. Su herramienta PhenMap combina varios tipos de datos: el perfil genético del tumor, los parámetros clínicos del paciente y las características de la enfermedad, incluida la edad, el sexo y la ubicación del tumor en el colon. A diferencia de la estratificación estándar por varios subtipos, el modelo intenta capturar combinaciones más complejas de características y convertirlas en un pronóstico práctico para un individuo específico.

Después, los investigadores ejecutaron otro modelo sobre PhenMap, que asigna un grupo de riesgo al paciente después de la terapia con bevacizumab en combinación con quimioterapia. El sistema divide a los pacientes en grupos de riesgo alto, moderado y bajo y evalúa no solo la gravedad general de la enfermedad, sino la probabilidad de que este régimen de tratamiento particular sea inútil. Esto es importante para la oncología personalizada: la tarea no es solo encontrar a aquellos para quienes el fármaco ayudará, sino también eliminar el tratamiento innecesario del camino de otros de antemano.

Lo Que Mostró el Estudio

El equipo analizó datos de 117 pacientes europeos con cáncer colorrectal metastásico que ya habían recibido bevacizumab junto con quimioterapia. El trabajo fue publicado en Scientific Reports. El modelo encontró biomarcadores asociados con una mala respuesta al tratamiento y formó grupos pronósticos basados en ellos.

En el grupo de alto riesgo, ningún paciente respondió a la terapia, mientras que en el grupo de bajo riesgo, se observó respuesta en 10 de 12 personas. Entre las señales que identificó la IA, la mutación en el gen BRAF fue particularmente notable: los pacientes con ella cayeron en el grupo de alto riesgo y tuvieron peores resultados. Los investigadores también asociaron el mal pronóstico con dos deleciones cromosómicas y utilizaron estas características como base para una prueba futura.

La idea es ver no solo el diagnóstico antes del inicio del tratamiento, sino también el perfil molecular de resistencia de un tumor particular.

Para los clínicos, esto podría verse así:

• Antes de prescribir terapia, un médico recibe no un pronóstico "promedio" general, sino un perfil de riesgo individual
• Los pacientes con alta probabilidad de no respuesta pueden evitar la toxicidad innecesaria
• El hospital ahorra tiempo y recursos en un tratamiento que no tendrá efecto
• Para algunos pacientes, el camino hacia otros esquemas o ensayos clínicos se abre más rápidamente

Por Qué Esto es Importante

NHS aprobó el bevacizumab para pacientes con cáncer colorrectal avanzado en diciembre, pero el fármaco solo funciona para un número limitado de personas y puede causar efectos secundarios graves, incluida hipertensión, problemas gastrointestinales y trombos. Inglaterra identifica casi 10.000 casos de este estadio de la enfermedad anualmente, y las opciones de tratamiento después de la propagación del tumor son significativamente menores. Por lo tanto, incluso un filtrado preliminar áspero por probabilidad de respuesta ya tiene valor clínico aquí.

"Hasta ahora, no hemos podido identificar de antemano a los pacientes que probablemente no se beneficiarán del fármaco", dice el

Profesor Anguradh Sadanandan.

Los autores enfatizan por separado que esto aún no es una prueba diagnóstica completa para hospitales. Los resultados deben confirmarse en una cohorte más grande y luego verificarse en un ensayo clínico prospectivo. Solo después de tal validación, el modelo puede utilizarse para decisiones reales de tratamiento. En paralelo, el equipo quiere entender si el mismo enfoque puede predecir la respuesta a otros fármacos dirigidos y transferir el método a otros tipos de tumores.

Qué Significa Esto

La IA en medicina se usa cada vez más no para un "apoyo abstracto al médico", sino para una decisión muy concreta: quién no debe recibir una terapia pesada sin posibilidades de beneficio. Si PhenMap pasa la validación, los oncólogos tendrán una herramienta que simultáneamente hace el tratamiento más preciso, más suave para el paciente y más racional para el sistema de salud. Para NHS y otros sistemas, este es también un caso raro en el que la IA puede simultáneamente reducir el daño, acelerar la selección del tratamiento y reducir gastos innecesarios.