Un modelo innovador predice la eficacia de la inmunoterapia en el cáncer de pulmón
El cáncer de pulmón sigue siendo la principal causa de muerte relacionada con el cáncer en el mundo. Entre los tratamientos disponibles, la inmunoterapia ha demostrado beneficios significativos para los pacientes con cáncer de pulmón de células no pequeñas, una forma común y agresiva de la enfermedad. Sin embargo, no todos los pacientes responden de la misma manera a este tipo de tratamiento, y identificar a aquellos que más se beneficiarán es un desafío mayor.
Un avance reciente combina el análisis de imágenes médicas y el estudio de los tejidos tumorales para predecir con precisión la expresión de una proteína clave, la PD-L1, que desempeña un papel central en la respuesta a la inmunoterapia. Esta proteína, presente en la superficie de las células cancerosas, permite al sistema inmunitario reconocer y atacar el tumor. Su nivel de expresión se utiliza a menudo para determinar si un paciente es elegible para la inmunoterapia.
Hasta ahora, la detección de la PD-L1 se basaba principalmente en pruebas de laboratorio que requerían muestras de tejido, un método a veces limitado por la variabilidad de los resultados y la disponibilidad de las muestras. Para superar estos obstáculos, un equipo de investigadores ha desarrollado un modelo innovador que fusiona datos de escáneres y análisis microscópicos de tejidos teñidos. Este modelo utiliza técnicas avanzadas para extraer información tanto macroscópica, como la forma y la textura del tumor visible en las imágenes, como microscópica, como las características celulares observadas bajo el microscopio.
El estudio se llevó a cabo con 328 pacientes con cáncer de pulmón de células no pequeñas. Los investigadores dividieron a estos pacientes en tres grupos para entrenar, validar y probar el modelo. Los resultados mostraron que este enfoque combinado era más eficiente que los modelos basados únicamente en imágenes o en el análisis de tejidos. Permitió predecir con gran precisión si un tumor expresaba o no la proteína PD-L1, con tasas de éxito superiores al 90 % en algunos casos.
Para ir más allá, el modelo también se probó en un grupo de 47 pacientes bajo inmunoterapia. Los resultados revelaron que los pacientes para los cuales el modelo predecía una alta expresión de PD-L1 tenían una supervivencia sin progresión de la enfermedad y una supervivencia global significativamente mejores. Esto sugiere que este modelo podría no solo ayudar a identificar a los pacientes elegibles para la inmunoterapia, sino también predecir su respuesta al tratamiento.
Una de las ventajas principales de este método es que utiliza datos ya disponibles en el marco del diagnóstico estándar, como los escáneres y las láminas histológicas. Por lo tanto, no requiere muestras adicionales, lo que reduce los costos y la carga para los pacientes. Además, podría resultar útil en situaciones donde las muestras de tejido son insuficientes o cuando los resultados de las pruebas tradicionales son inciertos.
Este modelo abre así el camino a una medicina más precisa, donde las decisiones de tratamiento podrían adaptarse según las características específicas de cada tumor. Representa un paso importante hacia un manejo personalizado del cáncer de pulmón, ofreciendo a los médicos una herramienta adicional para optimizar las estrategias terapéuticas y mejorar el pronóstico de los pacientes.
Sources et crédits
Étude source
DOI : https://doi.org/10.1186/s13244-026-02322-4
Titre : A radio-pathological fusion model for predicting PD-L1 expression and immunotherapy response in non-small cell lung cancer
Revue : Insights into Imaging
Éditeur : Springer Science and Business Media LLC
Auteurs : Dingpin Huang; Fangyi Xu; Yi Gan; Liya Ding; Kaihua Lou; Yongcen Li; Dong Xie; Haiping Zhang; Lei Shi; Rui Xu; Hongjie Hu