🔬 El equipo de Tiannan Guo (Universidad de Westlake, Hangzhou) entrenó un modelo de inteligencia artificial con 38 millones de medidas de proteínas para anticipar cómo responden a distintos fármacos los tumores de mama triple negativos. En biopsias de 501 pacientes, el modelo señaló qué tratamientos habían funcionado. El trabajo salió en Nature el 9 de septiembre.
El cáncer de mama triple negativo (TNBC) supone entre el 15 % y el 20 % de los casos. A sus células les faltan los receptores de estrógeno y progesterona, y también el de la proteína que regula el crecimiento celular. Sin esas dianas, las terapias hormonales y dirigidas quedan fuera de juego. Y como cada tumor se comporta distinto en su perfil molecular, elegir el tratamiento resulta difícil.
Guo y sus colegas partieron de proteómica, no de la secuenciación de células individuales que suelen usar estos modelos y que capta sobre todo estados estáticos. Cultivaron 18 líneas de cáncer de mama —16 triple negativas—, las trataron con 63 fármacos antitumorales aprobados por la FDA y 59 combinaciones, y midieron 5 585 grupos de proteínas antes del tratamiento y a las 6, 24 y 48 horas. Ese calendario importa: «si no tienes un curso temporal, solo tienes muchas imágenes fijas», explica Hani Goodarzi, biólogo de sistemas del Arc Institute (Palo Alto), que destaca la escala inédita de los datos.
Con 81 fármacos ausentes del entrenamiento, el modelo acertó la respuesta de las células el 88 % de las veces, y apuntó a proteínas ligadas a la resistencia. Después, el equipo analizó 3 651 proteínas en biopsias tomadas a 501 personas con TNBC antes de la quimioterapia: sus pronósticos coincidieron con lo que después ocurrió en la clínica.
✅ La promesa es un tratamiento a medida para un cáncer agresivo y con pocas salidas terapéuticas. Guo lo describe como la primera vez que un modelo de célula virtual sale del laboratorio y se pone a prueba en un escenario clínico, aunque él mismo acota su alcance: la herramienta persigue «un objetivo muy concreto» y no simula el comportamiento completo de una célula. Y falta el paso decisivo: un ensayo prospectivo que compruebe si elegir el fármaco con el modelo mejora la vida de los pacientes.
⚕️ No es consejo médico.
