Biomarcadores e inteligencia artificial para predecir los efectos adversos de la inmunoterapia en pacientes oncológicos

Un equipo de investigadores pertenecientes al proyecto ‘Safe-Immune Onco-Check’ ha propuesto la creación de una plataforma basada en inteligencia artificial para anticipar de forma personalizada las complicaciones que experimentan muchos pacientes durante la administración de la inmunoterapia como tratamiento contra el cáncer.

Fuente: US

La iniciativa ha sido galardonada con 2000 dólares en laXII Conferencia Internacional de la Fundación IMFAHE (International Mentoring Foundation for the Advancement of Higher Education), un encuentro internacional sobre innovación, que pone en contacto a talentos de todo el mundo y ofrece apoyo en su desarrollo profesional.

El proyecto ‘Safe-Immune Onco-Check’ nace con el objetivo de hacer más segura la inmunoterapia contra el cáncer, uno de los avances más importantes de la medicina en los últimos años. Aunque estos tratamientos han mejorado significativamente la supervivencia de pacientes con distintos tipos de cáncer, también pueden provocar efectos adversos relacionados con la activación del sistema inmunitario, algunos de ellos graves e impredecibles. Actualmente no existen herramientas suficientemente precisas para identificar, antes de iniciar el tratamiento, qué pacientes presentan un mayor riesgo de desarrollar estas complicaciones.

Biomarcadores y bioinformática

La investigación propone desarrollar una plataforma capaz de predecir ese riesgo de forma personalizada. Para ello, combinará información clínica de los pacientes con biomarcadores obtenidos a partir de muestras biológicas y datos moleculares, integrándolos mediante herramientas de bioinformática e inteligencia artificial. El objetivo es generar una puntuación de riesgo que ayude a los profesionales sanitarios a tomar decisiones más informadas y adaptadas a cada paciente.

Uno de los aspectos más innovadores del proyecto es su enfoque integrador. En lugar de basarse en un único marcador, la plataforma combinará diferentes fuentes de información, incluyendo datos clínicos, parámetros analíticos, perfiles inmunológicos y bases de datos biomédicas internacionales. Posteriormente, se desarrollarán modelos predictivos mediante técnicas de machine learning, que permitan identificar de forma temprana a los pacientes con mayor probabilidad de sufrir toxicidades asociadas a la inmunoterapia.

Pacientes con enfermedades autoinmunes

Esta herramienta tendrá un especial interés para pacientes con enfermedades autoinmunes previas, un colectivo especialmente vulnerable y poco representado en los ensayos clínicos. Poder anticipar la aparición de efectos adversos permitiría establecer medidas preventivas, reducir interrupciones del tratamiento y mejorar tanto la seguridad como la calidad de vida de los pacientes, además de optimizar los recursos sanitarios.

Fuente: https://www.instagram.com/p/DYzK8tYMbMx/

El proyecto reúne a un equipo multidisciplinar de investigadores de distintas áreas del conocimiento. La coordinación científica corre a cargo de Carmen Garrigós (Universidad de Sevilla) y de la modelización matemática e inteligencia artificial se encargará Pedro José Gutiérrez (Universidad de Valladolid). El desarrollo bioinformático y el análisis de biomarcadores cuentan con la participación de Paula Tejera (Universidad de la Laguna), Carlos Sauco (HUVR-IBIS) y Alexis Pereira (Instituto Politécnico de Bragança), junto con la contribución de Joaquín Lilao-Garzón (HHMI Janelia Research Campus) y Verónica Miguel (RWTH Aachen University Hospital) en biología de sistemas e inmunología. Además, Belén Moreno (Universidad de Jaén) incorporará la perspectiva de las ciencias del comportamiento, reforzando el enfoque centrado en el paciente.

El reconocimiento al proyecto, obtenido en la sesión de emprendimiento Shark Tank – Competición Global de Ideas IMFAHE-, supone un impulso para el desarrollo de esta iniciativa, que contribuye al avance de una medicina de precisión más segura, personalizada y centrada en el paciente.