El glioblastoma (GBM) es el tumor cerebral más común. Se trata de un tipo de cáncer muy agresivo y mortal; solo un 5% de los pacientes vive cinco años después del diagnóstico. Recientemente se han identificado en un estudio una serie de biomarcadores que permiten desarrollar terapias más personalizadas, sin embargo, la identificación de estas dianas terapéuticas resulta muy tedioso. Por lo tanto, es necesario desarrollar un sistema basado en imágenes para la identificación de biomarcadores que ayuden a predecir el pronóstico de los pacientes.

Investigadores y médicos de la Facultad de Medicina de la Universidad Case Western Reserve, de la Escuela de Ingeniería Case y de la Clínica Cleveland (Estados Unidos) han desarrollado, utilizando la inteligencia artificial (IA), las imágenes de resonancias magnéticas y la genómica, una nueva forma de determinar con más precisión la esperanza de vida de los pacientes con GBM. Además, este nuevo sistema permite identificar aquellos pacientes que podrían ser candidatos para ensayos clínicos experimentales de medicamentos.

El modelo de IA desarrollado por los investigadores identifica las características de la región interior y adyacente al tumor para determinar qué pacientes tienen un mal pronóstico. Además, utilizando información de la expresión génica identifica las qué vías biológicas asociadas a esas imágenes. Los resultados mostraron que las características encontradas en las imágenes con un mal pronóstico se relacionaban con vías que contribuyen a la quimioresistencia en el GBM.

Aunque la investigación está en sus comienzos, en un futuro, este nuevo enfoque podría tener enormes implicaciones en el diseño de decisiones de tratamiento personalizadas en pacientes con GBM. Se podría saber si un paciente con GBM va a responder bien a la quimioterapia o a la inmunoterapia, basándose en la imagen y los perfiles genéticos del paciente.

Fuente: Redacción médica 
Artículo original:   Radiogenomic-based survival risk stratification of tumor habitat on Gd-T1w MRI is associated with biological processes in Glioblastoma. Niha Beig, Kaustav Bera, Prateek Prasanna, Jacob Antunes, Ramon Correa, Salendra Singh, Anas Saeed Bamashmos, Marwa Ismail, Nathaniel Braman, Ruchika Verma, Virginia B Hill, Volodymyr Statsevych, Manmeet S Ahluwalia, Vinay Varadan, Anant Madabhushi and Pallavi Tiwari. Clin Cancer Res February 20 2020 DOI: 10.1158/1078-0432.CCR-19-2556.