Investigadores del Winship Cancer Research Institute (Emory University, Atlanta) y el University of Pennsylvania Cancer Center han desarrollado la primera plataforma para ayudar a los médicos a seleccionar, basándose en datos de ensayos clínicos, los pacientes con más probabilidades de beneficiarse del tratamiento. Esta herramienta, que utiliza inteligencia artificial (IA), ya ha demostrado que la homogeneidad de los pacientes reclutados en los estudios no permite copiar los resultados publicados sobre los pacientes cruzados en la vida real. Sin embargo, es posible corregir esta diferencia para proporcionar al médico un pronóstico más preciso.
En un artículo publicado en Medicina de la naturalezael pequeño equipo de investigación dirigido por el oncólogo Ravi Parikh y el profesor de bioestadística e informática Qi Long, explica cómo desarrollaron y entrenaron un modelo de aprendizaje automático (o aprendizaje automático) ahora disponible como código abierto.
El Dr. Parikh y su equipo habían desarrollado previamente TrialTranslator, una IA capaz de “traducir” los resultados de los ensayos clínicos para el público en general. Con este nuevo trabajo, replicaron virtualmente 11 ensayos clínicos fundamentales, en la indicación de cánceres de pulmón de células no pequeñas y cánceres de mama, próstata y colon metastásicos, utilizando datos de pacientes de la vida real. Según los resultados obtenidos, fue posible definir las categorías de pacientes que serían buenos candidatos.
Una culpable falta de heterogeneidad
Menos del 10% de los pacientes participan en un ensayo clínico, lo que dista mucho de ser representativo del conjunto. “Los pacientes cruzados en la vida real son más heterogéneos que en los estudios. Incluso si los resultados de un ensayo aleatorio son positivos, hay categorías de pacientes para quienes un nuevo tratamiento no funciona, añade el Dr. Parikh. Esta herramienta permitirá a los pacientes y a sus médicos saber si los resultados de un estudio de fase 3 son aplicables a ellos o no. »
La principal observación de los investigadores es que los pacientes con un fenotipo de riesgo bajo o medio tienen, en su simulación, la misma ganancia en supervivencia asociada a los tratamientos que los participantes en los estudios de fase 3, pero aquellos con un fenotipo de alto riesgo tienen una significativamente menor. supervivencia. Estos resultados sugieren que la IA podría identificar, entre pacientes de la vida real, grupos para quienes los resultados de los ensayos clínicos no son generalizables. “El pronóstico del paciente, incluso más que los criterios de inclusión, constituye el mejor predictor de la supervivencia del paciente y del beneficio esperado del tratamiento”escriben los autores.
Estos están en línea con la posición de la Sociedad Estadounidense de Oncología Clínica, que recomienda mejorar la representación de los pacientes de alto riesgo en los ensayos clínicos.
Related News :