Una aplicació d'aprenentatge automatitzat permet millorar l'accessibilitat a la classificació del medul·loblastoma

El medul·loblastoma és un tumor cerebral maligne que afecta principalment en infants i joves, i representa aproximadament el 20% de tots els tumors cerebrals en aquesta població. La classificació precisa dels subgrups moleculars de medul·loblastoma és crucial perquè els oncòlegs adaptin i personalitzin les estratègies de tractament per a cada pacient.

Ara, un equip d'investigació de l'Institut de Recerca Sant Joan de Déu (IRSJD), l'Hospital Sant Joan de Déu i la Universitat Politècnica de Catalunya ha desenvolupat un nou mètode simplificat de classificació utilitzant la tecnologia de qPCR, disponible en la majoria de centres que tracten pacients amb medul·loblastoma, i els resultats són interpretats de forma automàtica mitjançant una aplicació web d'aprenentatge automàtic, basada en intel·ligència artificial.

La importància de la classificació molecular del medul·loblastoma

La classificació molecular del medul·loblastoma és cada vegada més important per al diagnòstic rutinari, l'estratificació del risc i la selecció de pacients elegibles per a un tractament específic de subgrup. Els perfils basats en arrays de metilació de l'ADN de tot el genoma es consideren actualment l'estàndard per a la classificació dels subgrups moleculars de medul·loblastoma. No obstant això, l'aplicació de la tecnologia basada en arrays en un entorn de diagnòstic rutinari pot durar molt de temps, ser costosa i, de vegades, inaccessible per a molts centres de tot el món que tracten pacients amb tumors cerebrals. En conseqüència, un nombre significatiu de pacients no pot beneficiar-se dels avenços clínics associats a la classificació del medul·loblastoma basada en la metilació.

Davant d'aquesta realitat, el 2018 un equip liderat per la Dra. Cinzia Lavarino, directora del Laboratori d'Oncologia Molecular de l'Hospital Sant Joan de Déu i coordinadora del grup Genòmica Translacional de l'IRSJD, centre CERCA, es va plantejar la necessitat de simplificar aquesta metodologia, agilitzar-la i posar-la a disposició de qui la necessités.

"La Dra. Soledad Gómez, com a part de la seva tesi doctoral, va analitzar durant dos anys més de 1.500 mostres de medul·loblastoma de tot el món, per trobar el nombre mínim de marcadors que ens permetessin classificar de forma correcta, precisa, i sobretot, ràpida. I així és com amb una fiabilitat del 96% hem desenvolupat un sistema que permet classificar el medul·loblastoma en els 3 subgrups d'interès clínic (WNT, SHH i non-WNT/non-SHH)". Comenta la Dra. Cinzia Lavarino.

Una aplicació web a disposició dels centres mèdics que ho necessitin

La recerca no va quedar només en la cerca d'aquests biomarcadors, sinó que les investigadores van voler fer un pas més i posar aquesta tècnica a disposició de centres de tot el món, independentment dels seus recursos.

"Havíem trobat aquests marcadors clau, però volíem que a través d'una plataforma web tothom pogués accedir i cap infant es quedés sense aquest tractament més personalitzat. Així va néixer EpiGe, gràcies al suport de les associacions de famílies d'infants amb càncer de l'Hospital Sant Joan de Déu i la Marató de TV3." Comenta la Dra. Soledad Gómez, investigadora postdoctoral en el grup del grup Genòmica Translacional de l'IRSJD i coordinadora del projecte.

L'aplicació EpiGe, desenvolupada per la Dra. Soledad Gómez i l'investigador Joshua Llano, tots dos investigadors de l'IRSJD, utilitza dades de metilació de l'ADN obtingudes a través de la tècnica de PCR per classificar les mostres de medul·loblastoma en tres grups. Donada la disponibilitat generalitzada de la tècnica de PCR en laboratoris de tot el món, el protocol dissenyat per l'equip es converteix en accessible per a tots.

"Per entrenar l'algorisme d'aprenentatge vam utilitzar 4.800 mostres, 3.044 medul·loblastomes primaris i 1.644 mostres no medul·loblastoma. Amb aquestes mostres vam poder generar un algorisme predictor d'estat de metilació a partir de dades crues de qPCR i a partir d'aquesta predicció, vam generar un classificador automàtic en subgrups moleculars de medul·loblastoma. A través d'aquest aprenentatge podem dir que EpiGe és capaç de classificar amb precisió els subgrups moleculars del medul·loblastoma, el que pot ajudar els equips mèdics a determinar el tractament més adequat". Comenta Joshua Llano, bioinformàtic en el grup B2SLab del Centre de Recerca en Enginyeria Biomèdica de la UPC, investigador de l’IRSJD.

L'aplicació EpiGe permet als professionals de la salut de tot el món carregar els resultats obtinguts seguint el protocol detallat a la web. En menys de 2 minuts, la plataforma retorna el resultat, oferint una fiabilitat del 96% en la identificació del subgrup de medul·loblastoma.

Infografia del funcionament de EpiGe. Aquest graphical abstract va rebre el segon premi al I Concurso Graphical Abstract de BioinfoGRX.

Metges d'Argentina i Pakistan s'han interessat per l'ús d'aquesta eina

L'Hospital de Pediatria J.P. Garrahan, a Argentina, es va interessar a col·laborar amb el projecte de l'Hospital Sant Joan de Déu · IRSJD per poder donar resposta a una necessitat diagnòstica que van detectar els seus professionals.

"A l'hospital contínuament intentem estar a l'avantguarda per poder oferir als nostres pacients les mateixes possibilitats que els nens atesos en països més desenvolupats. Per aquest motiu, en conèixer el projecte EpiGe sobre la classificació del medul·loblastoma, no vam dubtar a posar-nos en contacte amb les Dres. Soledad Gómez i Cinzia Lavarino." Comenten les Dres. Fabiana Lubieniecki, Valeria Vazquez i Francisco Barbosa.

Des de l'Hospital Sant Joan de Déu · IRSJD van acompanyar i van guiar als professionals argentins en l'ús i aprenentatge de la plataforma. I d'aquesta forma col·laborar en el desenvolupament i la millora del diagnòstic molecular en oncologia pediàtrica.

"Poder veure publicats els resultats d'aquest projecte, i haver pogut participar en comprovar la seva utilitat i factibilitat, ha estat un plaer. Creiem que aquesta plataforma és un recurs molt valuós per desenvolupar una estratègia de diagnòstic amb una bona relació cost-efectivitat, i permetre que sigui accessible arreu del món." Conclouen els professionals de l'Hospital J.P. Garrahan.

"Juntament amb els professionals d'Argentina, també s'han posat en contacte amb nosaltres els centres "Rehman Medical Institute" i "Khyber Medical College", tots dos a la població de Peshawar a Pakistan. Esperem que en els pròxims anys la nostra plataforma pugui arribar a molts més centres i poder impulsar els tractaments personalitzats en nens i nenes de tot el món" conclou la Dra. Soledad Gómez.

Aquesta aplicació no només simplifica i accelera el procés de classificació dels subgrups moleculars del medul·loblastoma, sinó que també marca una fita en la democratització de l'accés a tractaments més personalitzats, donant esperança a nens afectats per aquest tumor cerebral.

El desenvolupament de l'aplicació EpiGe ha estat possible gràcies al suport financer de les associacions de famílies dels pacients de l'Hospital Sant Joan de Déu, la Marató de TV3 i el Ministeri de Ciència, Innovació i Universitats.

Articles de referència

Gómez-González S, Llano J, Garcia M, Garrido-Garcia A, Suñol M, Lemos I, Perez-Jaume S, Salvador N, Gene-Olaciregui N, Galán RA, Santa-María V, Perez-Somarriba M, Castañeda A, Hinojosa J, Winter U, Moreira FB, Lubieniecki F, Vazquez V, Mora J, Cruz O, La Madrid AM, Perera A, Lavarino C. EpiGe: A machine-learning strategy for rapid classification of medulloblastoma using PCR-based methyl-genotyping. iScience. 2023 Aug 12;26(9):107598. doi: 10.1016/j.isci.2023.107598. PMID: 37664618; PMCID: PMC10470382.

Gómez S, Garrido-Garcia A, Garcia-Gerique L, Lemos I, Suñol M, de Torres C, Kulis M, Pérez-Jaume S, Carcaboso ÁM, Luu B, Kieran MW, Jabado N, Kozlenkov A, Dracheva S, Ramaswamy V, Hovestadt V, Johann P, Jones DTW, Pfister SM, Morales La Madrid A, Cruz O, Taylor MD, Martin-Subero JI, Mora J, Lavarino C. A Novel Method for Rapid Molecular Subgrouping of Medulloblastoma. Clin Cancer Res. 2018 Mar 15;24(6):1355-1363. doi: 10.1158/1078-0432.CCR-17-2243. Epub 2018 Jan 19. PMID: 29351917.

Un equip de l'Institut de Recerca Sant Joan de Déu, l'Hospital Sant Joan de Déu i la Universitat Politècnica de Catalunya, ha creat una aplicació basada en intel·ligència artificial per fer més accessible, menys costós i més ràpid la classificació dels subgrups de medul·loblastoma, democratitzant l'accés a tractaments més personalitzats.

Vols compartir aquesta notícia?