Por: Susanna Ray, escritora de Microsoft.
El tratamiento del cáncer se ha vuelto más preciso con el tiempo, ya que los médicos clasificaron primero la enfermedad según su origen en el cuerpo y, de manera más reciente, por las mutaciones encontradas en las células cancerosas para ayudar a encontrar los fármacos adecuados para tratarla.
Pero, ¿por qué dos personas con cánceres en apariencia similares pueden responder de manera tan diferente al mismo medicamento? El investigador de Microsoft, Lorin Crawford, cree que la respuesta está en cómo se comportan en realidad los tumores, no solo en cómo se categorizan.
Un estudio de Crawford y su equipo, publicado . en Nature Methods, supone un paso importante para ayudar a la IA a entender cómo actúan e interactúan las células individuales con su entorno, ya que los investigadores aprovechan el poder de la tecnología para detectar patrones que los enfoques tradicionales pueden pasar por alto.
La investigación forma parte del Proyecto Ex Vivo, una colaboración entre Microsoft y el Broad Institute con el apoyo del Dana-Farber Cancer Institute. El trabajo del grupo tiene como objetivo incluir el comportamiento celular en la categorización y tratamiento del cáncer, para ayudar a combatir una de las principales causas de muerte a nivel mundial, al emparejar con mayor éxito las terapias con los pacientes.
«La complejidad de la enfermedad es muy interesante a nivel científico, pero también una en la que puedes tener un impacto casi inmediato», dice Crawford. «Siento que hago algo más grande que yo. Cualquier hallazgo parece un paso adelante de alguna manera.»
Mirar más allá de las mutaciones
Parte del reto de la investigación sobre el cáncer es que los científicos pueden perder señales clave cuando prueban fármacos fuera del cuerpo. Los modelos ex vivo — células cancerosas cultivadas en laboratorios, incluidos minitumores llamados organoides — no siempre coinciden con lo que ocurre dentro de una persona. Eso significa que un medicamento que parece prometedor en una placa de Petri puede quedarse corto en un paciente.
El equipo del Proyecto Ex Vivo se centra en el «estado celular» — cómo se comportan y responden las células cancerosas a su entorno. Los estados celulares pueden influir en a qué tratamientos es sensible un tumor, a qué velocidad se desarrolla la resistencia a los fármacos y a qué tan agresiva se vuelve la enfermedad.
En el cáncer de páncreas, por ejemplo, los investigadores han observado dos estados celulares amplios asociados con diferentes resultados y respuestas al tratamiento. Pero cuando las células tumorales se cultivan en laboratorio, dice Crawford, los modelos a menudo reflejan solo uno de esos estados, lo que puede hacer que los resultados de laboratorio no coincidan con lo que ocurre en los pacientes.
«Tú y yo podemos tener la misma mutación, pero estados celulares diferentes por completo, y eso es lo que en verdad importa más adelante», dice Crawford.
Menos desajustes, mejores apuestas
Si el estado celular puede medirse de manera fiable, Crawford cree que podría cambiar el tratamiento del cáncer de dos maneras clave.
En primer lugar, podría mejorar la forma en que los pacientes se emparejan con terapias existentes y se inscriben en ensayos clínicos. Una forma más matizada de agrupar los tumores podría aumentar las probabilidades de que un tratamiento se pruebe y en verdad tenga posibilidades de funcionar.
En segundo lugar, podría abrir un nuevo camino para el propio desarrollo de fármacos. En lugar de dirigirse a una mutación, los investigadores podrían intentar atacar —o incluso cambiar— el estado subyacente de un tumor, empujándolo hacia una forma más fácil de tratar.
«El reto como clínico es entender qué características dentro del tumor de un paciente tal vez influirán en su comportamiento y respuestas a las terapias con el tiempo», dice Srivatsan Raghavan, oncólogo médico y médico-científico en Dana-Farber y codirector del Proyecto Ex Vivo. «Esta investigación pretende representar mejor estas diversas características en los modelos de cáncer y producir pruebas que reflejen la complejidad de los comportamientos tumorales que observamos en los pacientes.»
Un estadístico en un laboratorio húmedo
Crawford tomó un camino poco común en esta investigación.
Formado como matemático y estadístico, un asesor le instó a mirar más allá de las hojas de cálculo y aprender cómo se creaban los datos. Pasó la mayor parte de su trabajo de posgrado en la Universidad de Duke, donde cruzaba dos mundos, inmerso en un «laboratorio húmedo» de biología del cáncer donde los investigadores trabajaban de manera directa con células vivas, no solo con datos.
Aunque al principio parecía «estar en un país extranjero», Crawford dice que «tal vez fue la mejor decisión que he tomado nunca, desde el punto de vista profesional.»
Se dio cuenta de que su formación podría ayudar a los biólogos a gestionar la enorme cantidad de datos que se utilizan para comprender las variaciones entre pacientes y subtipos de cáncer.
«Las cosas empezaron a encajar para mí», dice.
Esa experiencia moldeó su manera de pensar hoy en día sobre el Proyecto Ex Vivo — como una manera de cerrar la brecha entre lo que funciona en el laboratorio y lo que en verdad ayuda a los pacientes. Expertos computacionales y experimentadores se sientan a resolver problemas juntos, para utilizar herramientas de IA y muestras de tumores de pacientes anónimos.
Desde un problema de laboratorio hasta la transformación del tratamiento del cáncer
Lo que comenzó como un esfuerzo de investigación enfocado en 2022 se ha expandido con rapidez, impulsado por los avances en IA. El equipo del Proyecto Ex Vivo utiliza modelos computacionales para realizar experimentos virtuales e identificar las hipótesis más prometedoras antes de invertir tiempo y dinero en el laboratorio. Las herramientas de IA pueden ayudar a predecir cómo un fármaco podría cambiar de un estado a otro, o cómo los estados se traducen entre diferentes tipos de cáncer.
Como muestran Crawford y sus colegas en el estudio de Nature Methods, los modelos de IA aprenden más al observar una amplia gama de comportamientos celulares que tan solo al recibir más datos, un hallazgo que desafía una suposición común en el campo.
«Hay una tentación real de pensar que solo ampliar los conjuntos de datos resolverá estos problemas», dice Peter Winter, codirector del Proyecto Ex Vivo e investigador principal en el Broad Institute, una institución independiente sin ánimo de lucro con estrechos vínculos con el MIT y la Universidad de Harvard. «Pero la diversidad de estados celulares en esos conjuntos de datos moldea de manera fundamental qué tipo de conocimientos pueden producir estos modelos.»
El siguiente paso es definir con claridad los estados celulares y validarlos a través de los cánceres, con el objetivo de proporcionar a los médicos mejor información para ayudar a guiar las decisiones de tratamiento.
«Hay un mundo en el que dentro de cinco años este espacio se ve muy diferente a como es ahora, lo cual me parece muy, muy alentador», dice Crawford. «La realidad de esto no está tan lejos.»
Imagen principal: Foto de Gregory Winter
Susanna Ray escribe sobre IA y tecnología, con relatos que muestran su impacto en el mundo real y examinan cómo la innovación está transformando el trabajo, los negocios y la sociedad. Antes reportó para Bloomberg News y otras grandes organizaciones internacionales de noticias en EE. UU. y en el extranjero, donde cubría temas que iban desde política y gobierno hasta negocios y aviación. Sigan su trabajo en Microsoft Source.
The post ¿Por qué los medicamentos contra el cáncer no funcionan igual para todo el mundo? appeared first on Source LATAM.
The post ¿Por qué los medicamentos contra el cáncer no funcionan igual para todo el mundo? appeared first on Source LATAM.
