El cáncer de páncreas tiene una alta tasa de mortalidad -alrededor del 95%- debido a que, cuando se detecta, suele estar muy avanzado e incluso metastásico. El reto es, por tanto, acelerar su diagnóstico, y aquí la inteligencia artificial y el aprendizaje automático juegan un papel fundamental.
Aunque el conocimiento de este tumor silencioso, con “síntomas camuflados” en sus primeras fases, ha aumentado en los últimos años, uno de los principales objetivos sigue siendo identificar a las poblaciones con alto riesgo de desarrollarlo para incorporarlas a los programas de cribado y detección precoz, y así aumentar la supervivencia de los pacientes.
Lea también: El consumo de cereales integrales disminuye el riesgo de padecer enfermedades crónicas
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 hospitales de varios países.
Liderados por Núria Malats, del Centro Nacional de Investigaciones Oncológicas (CNIO), llevan años escudriñando este tumor, el tercero más mortal en España, y han conseguido generar multitud de datos.
Así, además de los factores de riesgo conocidos, como la obesidad, el tabaquismo, el consumo de alcohol, la diabetes o la pancreatitis crónica, están añadiendo al mapa de este cáncer biomarcadores genéticos -variantes raras y más comunes-, inmunológicos o del microbioma.
Además, el equipo de Malats ha publicado en la revista Gut que la diabetes tipo 3c, que representa entre el 5 y el 10% de todos los casos de diabetes en los países occidentales, es una manifestación temprana del cáncer de páncreas, que hoy se celebra el Día Mundial del Cáncer.
Todo esto se está comprobando gracias a innovadoras estrategias de análisis estadístico y bioinformático que utilizan datos y muestras biológicas de 2.500 pacientes de 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 al diagnóstico precoz.
El reto es combinar los factores clínicos, genómicos y de microambiente -el genoma de los microorganismos presentes en el cuerpo humano- porque no existe una causa única lo suficientemente potente como para identificar a los individuos altamente susceptibles de padecer este tumor, como ocurre 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”, afirma.
La idea, añade, es que con los datos de, por ejemplo, una persona diabética, obesa y fumadora, un primer algoritmo permita estimar el riesgo basal; si es alto, la persona acudirá a su médico de cabecera, que valorará 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 también habrá un segundo algoritmo, que integrará factores de riesgo y biomarcadores genéticos e inmunológicos diseñados para la práctica clínica: “Llevar estos algoritmos a la atención primaria sería muy bueno para acelerar el diagnóstico”, resume el científico.
Los algoritmos son avanzados, sobre todo el primero; para desarrollar el segundo, explica Malats, hay que integrar los biomarcadores: “Como ya tenemos bastante claro cuáles son, estimo que en unos cuatro años podríamos tener los dos algoritmos listos para su validación”.
Y la fase de validación podría durar otros cuatro años. Para ello, dice Malats, se necesitan estudios que incluyan grandes cohortes de personas con algún factor de riesgo, pero también otras más pequeñas.
“Lo que tenemos que hacer es aumentar la proporción de pacientes que podrían beneficiarse de un tratamiento de nueva generación, y para ello tenemos que diagnosticarlos en fases mucho más tempranas, y es cuando aún no han presentado síntomas”.
Por tanto, “lo que tenemos que conseguir es definir esta población de alto riesgo para incorporarla a los programas de cribado”, resume Malats, quien recuerda que nada de esto sería posible sin el altruismo de los pacientes y sin toda esta información básica, correctamente recopilada y organizada a diario por el personal del hospital y de otros centros.
