“Galgo” es un algoritmo de aprendizaje automático que permite descubrir marcas moleculares en cáncer asociadas al pronóstico de los pacientes en múltiples tipos de esta enfermedad. Es un desarrollo de inteligencia artificial que busca identificar los patrones de comportamiento biológico de los diferentes tumores, para caracterizarlos clínicamente y saber a qué tratamientos pueden ser sensibles o resistentes.

En este estudio trabajan de forma interdisciplinar investigadores del Instituto de Medicina y Biología Experimental de Cuyo (CONICET- UNCUYO), del Instituto de Bioquímica y Biotecnología de la Facultad de Ciencias Médicas y del Laboratorio de Sistemas Inteligentes de la Facultad de Ingeniería, de la UNCUYO; y de los Departamentos de Radiación Oncológica y de Células Madres y Biología Regenerativa, de la Universidad de Harvard. Lo vienen desarrollando a partir de una serie de subsidios a la investigación que recibieron principalmente por parte de la UNCUYO, a través de la secretaría de Internacionales, Investigación y Posgrado (SIIP), y también del CONICET.

Este avance científico fue publicado hace poco por la prestigiosa revista “Bioinformatics”(de la editorial de la Universidad de Oxford, Reino Unido), la cual da cuenta de los nuevos desarrollos en el campo de la bioinformática del genoma y la biología computacional. (Ver publicación en: https://doi.org/10.1093/bioinformatics/btaa619)

“Los tumores, cuando comienzan a crecer en nuestro cuerpo, utilizan nuestro propio material genético y lo modifican para usarlo a su favor. Estas modificaciones pueden observarse de forma indirecta a través de las señales moleculares que expresan las células. Estas señales son el resultado de la expresión de una serie de moléculas denominadas ARN mensajero (mRNA) que podemos identificar con novedosas técnicas moleculares a partir de una biopsia del tejido tumoral del paciente. La dificultad se encuentra en que, en analogía a las frecuencias de radio, si uno no sabe qué buscar, solo se observa ‘ruido’, señales incongruentes que no podemos interpretar”, explicó Martín Guerrero, autor del estudio y quien lidera la investigación, la cual, además, es el tema de su tesis doctoral en Medicina Biológica. 

En el equipo también trabajan Juan Manuel Fernández Muñoz, Benjamín Lang, Kristina Holton y Daniel Ciocca, y la dirección del proyecto está en manos de Carlos Catania y Martín Zoppino. A su vez, cuatro de estos siete investigadores también son docentes en diferentes Unidades Académicas de la UNCUYO. 

Según Guerrero, en los últimos años se han realizado grandes avances para encontrar el conjunto de señales que permita identificar adecuadamente la biología de los tumores, que en la jerga científica se conoce como “firma génica"; aunque hasta el momento sólo se han podido descubrir "firmas génicas" para un pequeño puñado de tipos de cáncer. En ese sentido, agregó que es enorme la cantidad de señales moleculares detectadas mediante los nuevos métodos de análisis, e incalculable la cantidad de posibles combinaciones en las que se puede organizar esa información.

“Para esto, nuestro equipo propuso un algoritmo de inteligencia artificial que hace una búsqueda entre este océano de combinaciones para dar con la combinación, que nos permite identificar los patrones de comportamiento biológico de los diferentes tumores,con lo cual podemos caracterizarlos e identificar no solo como se van a comportar clínicamente, sino también a qué tratamientos pueden ser sensibles o resistentes” detalló el investigador mendocino.

Acerca del método novedoso 

Guerrero también resaltó dos aspectos importantes en cuanto al método utilizado en la investigación. Dijo que, por un lado, Galgo es el primer algoritmo que busca no sólo diferenciar el comportamiento biológico de los tumores, sino también la señal más óptima para detectarlo en forma simultánea. “Hasta el momento, las metodologías propuestas realizaban una u otra cosa de forma secuencial, es decir, buscar posibles perfiles biológicos y luego su firma asociada, o viceversa, buscar posibles firmas y ver luego si estas están asociadas a un determinado comportamiento biológico, lo cual en cada caso tiene sus desventajas y sus sesgos”. En este punto destacó que las limitaciones tecnológicas actuales en relación al volumen de información a analizar, que hacían que la búsqueda en simultáneo resultara ineficiente y dificultosa, con este algoritmo se pudieron superar eficazmente.

Por otro lado, aseguró que el algoritmo probó ser sumamente preciso y reproducible en numerosos tipos de cáncer, igualando o superando métodos analíticos comerciales que actualmente se usan en la práctica y que fueron desarrollados y refinados para contextos muy concretos y particulares. “Esto quiere decir que Galgo es aplicable a cualquier tipo de cáncer, dado que  tengamos los suficientes datos como para que el algoritmo pueda aprender de ellos, lo cual lo convierte en una herramienta invaluable para todos aquellos tipos de cáncer que todavía no han logrado ser diseccionados molecularmente y que muchas veces tratamos de forma genérica debido a que no tenemos mucha información sobre los mismos. Esta propiedad en particular significa que la búsqueda de firmas génicas para los diferentes tipos de tumores puede verse enormemente acelerada por nuestro aporte y esperamos que así sea” enfatizó. 

En síntesis, para el científico de la UNCUYO, este estudio representa un salto significativo hacia abordajes más precisos en el tratamiento del cáncer. A la vez que precisó: “El contexto regulatorio en relación al tratamiento de la enfermedad requiere que cada una de las firmas génicas encontradas por nuestro algoritmo sea probada en protocolos de investigación clínica, lo cuales son específicos para cada tipo de cáncer, por lo que todavía queda un largo camino para que Galgo impacte en el tratamiento de los pacientes”. 

Algunas aplicaciones de Galgo 

Guerrero también comentó que, a pesar del largo camino que tienen por delante, partes de los descubrimientos realizados por Galgo ya están siendo utilizados para nuevos proyectos y propuestas terapéuticas. “En conjunto con el equipo de la Universidad de Harvard, utilizando Galgo observamos que un grupo de pacientes de Cáncer de Mama que poseen una alteración molecular específica (HER2 amplificado) podría ser resistente al tratamiento de primera línea para dicho tipo de tumor (Trastuzumab), y también, gracias al algoritmo, pudimos detectar que dicha propiedad está fuertemente asociada al tejido cicatrizal circundante al tejido tumoral, por lo que ahora estamos planteando nuevas estrategias terapéuticas para este tipo de tumores atacando de forma específica a dicho tejido". 

Finalmente, anunció que en el futuro esperan combinarlo con nuevas herramientas en desarrollo, para caracterizar de forma más precisa el tejido no tumoral circundante al tumor, que también impacta fuertemente en su comportamiento clínico. “De esta manera, podremos caracterizar de forma precisa no sólo las características de las células que componen al tumor sino también cómo responde nuestro cuerpo a dicha invasión cancerígena y cómo esa información puede ayudarnos a combatir la enfermedad. Todo ello solo con un pequeño pinchazo en el área afectada y la ayuda de la inteligencia artificial” concluyó el investigador.