"Esta cifra se ha duplicado en los últimos 13 años, posicionando a Chile como el país con mayor índice de obesidad y sobrepeso dentro de la OCDE”, continúa la aseveración de este equipo de investigadores en la formulación de su proyecto y agregan que sus complicaciones, como la cirrosis hepática y el cáncer de hígado, han experimentado un aumento significativo en la última década.

Como sabemos, la experiencia con la inteligencia artificial (IA) está permitiendo enriquecer el quehacer de todas las disciplinas del conocimiento y sus aplicaciones, ya que permite tomar decisiones a partir de herramientas objetivas. Actualmente en el campo de la medicina, la IA ha sido aplicada para mejorar el diagnóstico y la elección del tratamiento para pacientes con cáncer.  “En medicina es difícil llegar al mismo tiempo con la información (la evidencia científica) y la experiencia (lo que transmite uno desde el punto de vista clínico a un nivel muy avanzado), porque uno siempre va atrasado con la evidencia... En cambio, con la IA, en algún momento vamos a estar al día en experiencia y evidencia. Y va a ser una gran herramienta para lo que es la toma de decisiones en los comités oncológicos y de tumores, los que tienen gente con mucha experiencia”, puntualiza el Dr. Alexis Iracheta, investigador principal de este proyecto y gastroenterólogo de nuestro Hospital.

El equipo de trabajo al cual pertenece el Dr. Alexis Irachet ha comenzado a desarrollar un modelo de predicción de respuesta al tratamiento del cáncer hepático, utilizando machine learning, herramienta de IA que se basa en la aplicación de algoritmos que manejan una gran cantidad de datos y que obtiene un resultado o una variable. El equipo apuesta a que “es posible detectar y medir la expresión de marcadores moleculares antes y después de un procedimiento de quimioembolización, tanto en el área peritumoral como en la sangre periférica, con el fin de obtener biomarcadores que permitan predecir la agresividad tumoral, efectividad del tratamiento y el pronóstico”, aseveran. Utilizando el machine learning, creen poder determinar la necesidad de aplicar nuevas terapias de manera dirigida y personalizada para cada paciente con cáncer de hígado.

Uno de los objetivos de este proyecto es seguir la evolución de pacientes con cáncer de hígado tras la quimioembolización, su tratamiento estándar que consiste en colocar quimioterapia y agentes embólicos dentro del vaso sanguíneo que alimenta el tumor canceroso. Se corta el suministro de sangre hacia el tumor y se atrapa la quimioterapia adentro de él. “Es un tratamiento local que se aplica a pacientes que están en un estado intermedio de la enfermedad, el que si bien es cierto es paliativo, está dado para pacientes que podrían tener una expectativa de vida que podría alcanzar hasta los tres años”.

Y agrega: “En el REDCap del Hospital, se han registrado los datos de pacientes que tienen tumores, que ya están presentados en el comité de oncológico y que han quedado con la indicación de hacer quimioembolización. Entonces, vamos a aprovechar estos registros”. REDCap es una plataforma web que facilita la captura de datos en estudios de investigación, ya que almacena y gestiona bases de datos con información: “Se recopila una gran cantidad de datos de los pacientes con cáncer de hígado; no solamente sus datos moleculares, sino que también datos demográficos, edad del paciente, índice de masa corporal, antecedentes médicos, estado y avance de la enfermedad, mediciones de enzimas y proteínas de pacientes, y las variables clínicas de su laboratorio clínico, entre otras”, explica.

Entonces, antes de realizar la quimioembolización “se va a obtener sangre para estudiar estos mediadores, estas moléculas o proteínas que están involucradas en el cáncer o que se liberan también de las células cancerosas. Vamos a trabajar con la sangre peritumoral, con la sangre que envuelve el tumor. Es una técnica que no se ha hecho, porque lo que está descrito es que se trabaja con sangre de las vías periféricas. No hay estudios de biopsia líquida que hayan utilizado la arteria que nutre el tumor”. La idea es que podrán, con la ayuda del machine learning, clasificar desde el punto de vista molecular a estos pacientes y después podrán seguirlos en el tiempo para saber cómo van evolucionando.

El otro objetivo es buscar una herramienta de diagnóstico no invasiva porque la idea es comparar estas muestras con la sangre periférica de estos pacientes: “Nos permite tener más herramientas para hacer un diagnóstico de ellos, un seguimiento de la respuesta y poder clasificar al paciente, porque hay muchos de ellos que se ha visto que tienen ciertos marcadores moleculares que van a responder o no una terapia. No hacer las terapias tan en ciego, sino que tal como la oncología molecular hace hoy en día las terapias dirigidas: oncología de precisión, en base a aquellos marcadores que están mutados. El paciente recibe el tratamiento casi como un traje a la medida y no, uno que no habrá sido hecho en base al estudio molecular y que puede ser un tratamiento que no le beneficie y, al contrario, que lo perjudique más en su estado. Esa es la idea”.

El Dr. Iracheta explica que este proyecto Semilla es un estudio piloto que utilizará una muestra de entre 15 a 20 pacientes. Y posteriormente, con estos datos podrán postular a un proyecto más grande y con mayor financiamiento, un Fondecyt, para aplicarlo a una mayor cantidad de pacientes.

En el proyecto participa un equipo del Departamento de Oncología Básico-Clínica de la Facultad de Medicina, compuesto por Dres. Héctor Contreras e Iván Flores, quienes trabajan con informáticos que cuentan con experiencia en aplicaciones de IA a la investigación clínica y molecular. Se suman del Hospital Clínico los Dres. Patricio Palavecino y Nicolás Martínez de la Unidad de Radiología Intervencional del Departamento de Imagenología, el Dr. Jaime Poniachik de la Sección de Gastroenterología y Hepatología, y la Dra. Olga Barajas de la Sección de Oncología.