Un equipo de investigación del Centro Prodi de Diagnóstico de Proteínas de la Ruhr-Universität Bochum (RUB) ha utilizado microscopios infrarrojos (IR) basados en láseres de cascada cuántica para clasificar muestras de tejido de cáncer colorrectal de operaciones clínicas rutinarias de forma automatizada y sin marcadores.

La inteligencia artificial permitió a los investigadores diferenciar entre diferentes tipos de tumores con gran precisión en aproximadamente 30 minutos.

Basándose en la clasificación, los médicos pueden predecir el curso que tomará la enfermedad y, en consecuencia, elegir la terapia apropiada.

El equipo publicó su informe en la revista Scientific Reports.

El estado de los microsatélites facilita el pronóstico

Se hace una distinción entre los tumores estables de microsatélite (MSS) y los inestables de microsatélite (MSI) en el colon y otros cánceres.

Los microsatélites suelen ser secuencias de ADN cortas y sin función que se repiten con frecuencia.

Los pacientes con tumores MSI tienen una tasa de supervivencia significativamente mayor.

Esto se debe a una tasa de mutación de las células cancerosas que es aproximadamente 1.000 veces mayor, lo que hace que su crecimiento sea menos exitoso.

Además, la inmunoterapia innovadora tiene más éxito en los pacientes con tumores MSI.

"Por lo tanto, es importante para el pronóstico y la decisión de la terapia saber con qué tipo de tumor estamos tratando", dice la Profesora Anke Reinacher-Schick, Jefe del Departamento de Hematología y Oncología en la clínica RUB del Hospital St.

Hasta la fecha, el diagnóstico diferencial se ha llevado a cabo mediante la tinción inmunohistoquímica de muestras de tejido con el consiguiente análisis genético complejo.

Medición rápida y fiable

El potencial de las imágenes por infrarrojos como instrumento de diagnóstico para la clasificación de tejidos, la denominada patología digital sin etiqueta, ya había sido demostrado en estudios anteriores por el grupo dirigido por el profesor Klaus Gerwert del Departamento de Biofísica de la RUB.

El método reconoce el tejido canceroso sin tinción previa u otra marca y, por consiguiente, también funciona automáticamente con la ayuda de la inteligencia artificial.

A diferencia del diagnóstico diferencial convencional del estado de los microsatélites, que tarda aproximadamente un día, el nuevo método sólo requiere alrededor de media hora.

El equipo de investigación de proteínas ha mejorado significativamente el método, optimizándolo para la detección de un cambio molecular en el tejido.

Anteriormente, el tejido sólo podía ser visualizado morfológicamente.

"Este es un gran paso que demuestra que la imagen IR puede convertirse en un método prometedor en el futuro para el diagnóstico y la predicción de la terapia", dice Klaus Gerwert.

Alentando el estudio de viabilidad

En colaboración con el Instituto de Patología de la RUB, dirigido por el profesor Andrea Tannapfel, y el Departamento de Hematología y Oncología del Hospital St. Josef de la RUB, el equipo de investigación realizó un estudio de viabilidad con 100 pacientes.

Éste mostró una sensibilidad del 100% y una especificidad del 93%: todos los tumores MSI se clasificaron correctamente con el nuevo método, sólo unas pocas muestras se identificaron falsamente como tumores MSI.

Se está iniciando ahora un ensayo clínico ampliado que se llevará a cabo con muestras del estudio de registro Colopredict Plus 2.0.

Iniciado por Andrea Tannapfel y Anke Reinacher-Schick, el estudio de registro permite la validación de los resultados del trabajo publicado.

"La metodología también nos interesa mucho, porque se utiliza muy poco material de muestra, lo que puede ser una ventaja decisiva en los diagnósticos actuales con un número cada vez mayor de técnicas aplicables", explica Andrea Tannapfel.

Otro paso hacia la atención sanitaria personalizada

En el futuro, el método se introducirá en el flujo de trabajo clínico para evaluar su potencial de precisión oncológica.

"Tras una terapia cada vez más dirigida a las enfermedades oncológicas, es muy importante proporcionar diagnósticos rápidos y precisos", concluye Anke Reinacher-Schick.

Fuente: RUHR-University Bochum