Desarrollo y validación de un modelo de aprendizaje automático para predecir la eficacia de los inhibidores de los...

Área de la Ciencia:

• En el campo de la oncología
• Biología computacional
• Descubrimiento de biomarcadores

Sus antecedentes:

• Los inhibidores del punto de control inmune (ICI) son cruciales para el tratamiento del cáncer gástrico avanzado (GC).
• Los biomarcadores actuales para la eficacia de la ICI son limitados y dependen de las características estáticas del tumor.
• La predicción de la respuesta a las IC en GC sigue siendo un desafío clínico.

Objetivo del estudio:

• Desarrollar un modelo de aprendizaje automático (ML) que incorpore datos dinámicos de clinlabomía para una mejor predicción de la eficacia de la ICI en GC avanzada.
• Identificar las características dinámicas de la clinlabomía que mejoran la precisión predictiva más allá de los marcadores estáticos.
• Para validar el rendimiento del modelo ML en múltiples centros.

Principales métodos:

• Un estudio retrospectivo multicéntrico en el que participaron 377 pacientes con GC avanzada tratados con ICI de primera línea.
• Desarrollo de nueve modelos ML, con XGBoost seleccionado para un rendimiento óptimo.
• Se utilizaron datos de clinlabomía dinámica, análisis de supervivencia Kaplan-Meier y secuenciación de ARN para su validación.

Principales resultados:

• El modelo XGBoost logró una alta precisión predictiva (AUC 0.863 de entrenamiento, 0.790- 0.842 de cohortes externas).
• Se identificaron diez características dinámicas de la clinlabomía como predictores significativos.
• Un subgrupo de bajo riesgo mostró un mejor pronóstico y características de "tumor caliente", con una herramienta web desarrollada para la accesibilidad.

Conclusiones:

• Los datos clinlabómicos dinámicos predicen efectivamente la eficacia de la ICI en la GC avanzada.
• El modelo multicéntrico validado ofrece un nuevo enfoque para optimizar las estrategias de tratamiento.
• Este enfoque apoya la medicina personalizada al refinar la selección del paciente para el tratamiento con ICI.