El cáncer de páncreas tiene una elevada mortalidad -en torno al 95 %- debido a que, cuando se detecta, suele estar muy avanzado e incluso en estado de metástasis. El reto está, por tanto, en acelerar su diagnóstico y aquí la inteligencia artificial y el aprendizaje automático juegan un papel clave.
Si bien en los últimos años se ha incrementado el conocimiento de este tumor silencioso, de "síntomas camuflados" en sus primeras fases, uno de los objetivos principales sigue siendo el de identificar poblaciones con alto riesgo de desarrollarlo para incorporarlas a programas de cribaje y detección temprana, y aumentar así la supervivencia de los pacientes.
Lee también: Consumo de grano entero disminuye el riesgo de padecer males crónicos
Para avanzar en esta dirección, se han unido epidemiólogos, genetistas, clínicos, cirujanos, patólogos, biólogos moleculares, matemáticos y expertos en inteligencia artificial y aprendizaje automático de centros científicos y hospitalarios de varios países.
Liderados por Núria Malats, del español Centro Nacional de Investigaciones Oncológicas (CNIO), llevan años escudriñando este tumor, el tercero con mayor mortalidad en España, logrando generar multitud de datos.
Así, a factores de riesgo conocidos, como la obesidad, el tabaquismo, el consumo de alcohol, la diabetes o la pancreatitis crónica, están sumando al mapa de este cáncer biomarcadores genéticos -variantes raras y más comunes-, inmunitarios o del microbioma.
Además, el equipo de Malats publicó en la revista Gut que la diabetes tipo 3c, que supone entre un 5 y 10 % de todos los casos de diabetes de los países occidentales, es una manifestación temprana del cáncer de páncreas, del que hoy se celebra su día mundial.
Todo esto se está constatado gracias a estrategias innovadoras de análisis estadístico y bioinformático con datos y muestras biológicas de 2.500 pacientes con cáncer de páncreas y 1.500 controles dentro del proyecto europeo PanGenEU. El objetivo ahora es ir más allá y traducir este conocimiento en algoritmos que ayuden en el diagnóstico precoz.
El reto es combinar factores clínicos, genómicos y de microambiente -el genoma de los microorganismos presentes en el cuerpo humano- porque no hay una única causa suficientemente potente para identificar a aquellos individuos altamente susceptibles de padecer este tumor -como sí pasa con el tabaquismo y el cáncer de pulmón-.
"Mi sueño es que esta herramienta de inteligencia artificial y aprendizaje automático en la que estamos trabajando pueda ser accesible desde los dispositivos móviles de cualquier persona, con el objetivo de hacer una primera valoración", detalla.
La idea, agrega, es que con datos, por ejemplo, de una persona diabética, con obesidad y fumadora, un primer algoritmo permita estimar el riesgo basal; si es alto, la persona acudiría a su médico de cabecera y este valoraría si es necesario el análisis de biomarcadores genéticos -se han identificado casi 100 variantes genéticas vinculadas al riesgo de padecer este tipo de tumor.
Pero además habrá un segundo algoritmo, que integrará factores de riesgo y biomarcadores genéticos e inmunitarios pensado para la práctica clínica: "Llevar estos algoritmos a la atención primaria sería muy bueno para acelerar el diagnóstico", resume la científica.
Los algoritmos están avanzados, sobre todo el primero; para desarrollar el segundo, explica Malats, hay que integrar los biomarcadores: "Como ya tenemos bastante claro cuáles son estos, yo calculo que en unos cuatro años podríamos tener los dos algoritmos preparados para su validación".
Y la fase de validación puede durar otros tantos años. Para ello, afirma Malats, son necesarios estudios que incluyan grandes cohortes de personas con algún factor de riesgo, pero también más pequeños.
➡️ Suscríbete a nuestro Newsletter y recibe las notas más relevantes en tu correo
"Lo que tenemos que hacer es lograr aumentar la proporción de pacientes que podrían beneficiarse de un tratamiento de nueva generación y para ello hay que diagnosticarlos en fases mucho más precoces, y esto es cuando aún no han presentado síntomas".
Por tanto, "lo que hay que conseguir es definir a esa población de alto riesgo para incorporarla a programas de cribado", resume Malats, quien recuerda que nada de esto sería posible sin el altruismo de los pacientes y sin toda esa información básica, correctamente recopilada y ordenada a diario por el personal hospitalario y de otros centros.
ESCUCHA EL PODCAST ⬇️
Disponible en: Acast, Spotify, Apple Podcasts, Google Podcasts, Deezer y Amazon Music
Lee también otros contenidos de Normal ⬇️