La IA impulsa el desarrollo de vacunas personalizadas contra el cáncer, reduciendo el riesgo de recurrencia del melanoma en un 42%

·por Henderson·AI
La IA impulsa el desarrollo de vacunas personalizadas contra el cáncer, reduciendo el riesgo de recurrencia del melanoma en un 42%

La velocidad con la que la IA se integra en la vida cotidiana es evidente, y en el ámbito médico, los cambios que trae son especialmente dignos de atención. Los investigadores ahora pueden, gracias a la IA, comprender el cáncer en niveles de detalle que hace diez años eran inimaginables: ya no se utilizan los mismos tratamientos para todos los pacientes con el mismo tipo de cáncer, sino que se avanza hacia terapias basadas en la composición genética única de los tumores de cada individuo.

En octubre de este año, Moderna y Merck anunciaron los resultados de la fase tres de un ensayo clínico de una vacuna personalizada contra el cáncer. Esta vacuna, al ser utilizada en combinación con el medicamento de inmunoterapia Keytruda, redujo el riesgo relativo de recurrencia o muerte por melanoma en un 42% en comparación con el uso de Keytruda solo. Cabe señalar que esta vacuna aún no ha sido aprobada por la FDA, y el ensayo en sí no puede demostrar que esta terapia fue inventada por IA generativa, pero los resultados sí muestran hasta dónde puede llegar la medicina personalizada contra el cáncer.

La IA también está abordando otra parte del problema: ante un mismo diagnóstico, dos personas pueden reaccionar de manera muy diferente al mismo medicamento, ya que el cáncer no es una enfermedad única, y tumores que parecen similares pueden portar diferentes mutaciones. Un estudio realizado en los últimos seis meses ha demostrado que los investigadores pueden examinar cada vez más las características biológicas de los tumores de pacientes específicos, en lugar de depender únicamente de patrones extraídos de miles de pacientes. Una herramienta del Instituto Nacional del Cáncer de EE. UU., llamada PERCEPTION, es un ejemplo de esto; analiza la actividad genética dentro de células cancerosas individuales para predecir si ciertos medicamentos podrían ser efectivos.

El potencial de la IA en el tratamiento del cáncer sigue aumentando

Este punto es crucial: dentro de un tumor a menudo existen diferentes poblaciones celulares, y los medicamentos pueden eliminar solo una parte de ellas, dejando células que pueden provocar la recurrencia del cáncer o generar resistencia. En el ámbito del descubrimiento de fármacos, AlphaFold de Google DeepMind ofrece una nueva vía. Las proteínas determinan cómo funcionan las células y están involucradas en la aparición y diseminación del cáncer; entender su estructura tridimensional ayuda a determinar cómo podrían interactuar con fármacos potenciales. En el pasado, este trabajo podría llevar años en un laboratorio, pero AlphaFold puede proporcionar numerosas predicciones estructurales en cuestión de minutos, y DeepMind ha puesto a disposición de investigadores de todo el mundo más de 200 millones de estructuras de proteínas.

Esto no significa que pueda automáticamente crear medicamentos anticancerígenos seguros y efectivos; los resultados de las predicciones aún necesitan ser validados a través de experimentos y en la práctica clínica, pero puede ayudar a reducir el número de candidatos, ahorrando tiempo en el desarrollo temprano. Tomando como ejemplo la vacuna personalizada intismeran autogene, esta se diseñó en función de las mutaciones genéticas en el tumor del paciente, las cuales ayudan a identificar proteínas específicas del cáncer que el sistema inmunológico puede reconocer y recordar. En un ensayo de fase tres que incluyó a 1,137 pacientes que habían sido sometidos a cirugía para extirpar melanoma, los datos del Memorial Sloan Kettering Cancer Center indican que, en un grupo que recibió la vacuna junto con Keytruda, el 82% no presentó recurrencia a los dos años, mientras que en el grupo que recibió solo Keytruda, la cifra fue del 70%.

Aún hay un camino por recorrer desde el descubrimiento de una terapia prometedora hasta que los pacientes realmente la utilicen. Los puntos de interés identificados por la IA y las predicciones de eficacia necesitan ser validados; los ensayos clínicos no pueden ser reemplazados. Además, los costos de las pruebas genéticas, la accesibilidad a instituciones especializadas y la estabilidad y fiabilidad de los sistemas de IA en diferentes poblaciones de pacientes son obstáculos reales. Sin embargo, la dirección es clara: la IA está proporcionando a los científicos nuevas herramientas para investigar el cáncer, identificar puntos de diana para medicamentos y determinar qué tratamientos son más adecuados para cada paciente, con el objetivo de no reemplazar a los oncólogos, sino de dotar a los médicos de más información y opciones.

H
Sobre el autor
Henderson