Desarrollan una herramienta de inteligencia artificial para detectar recaídas en leucemia infantil

Un grupo de investigadores de la Universidad de Cádiz, pertenecientes al departamento de Matemáticas, ha comprobado la eficacia de una herramienta de inteligencia artificial para predecir recaídas en niños con leucemia linfoblástica aguda. Para ello, los científicos han diseñado un algoritmo intuitivo para identificar a los pacientes con potencial de recaída en el momento del diagnóstico en la leucemia linfoblástica aguda infantil y en comparación con aquellos sin riesgo de recaída.

El trabajo, que ha analizado los datos de 54 pacientes pediátricos, ha extraído la conclusión de que el nivel bajo de un marcador celular concreto se asocia con un riesgo mayor de recaída en este tipo de cáncer.

Uno de los objetivos de este trabajo, publicado en la revista Cancers, ha sido mostrar el potencial de las aplicaciones de inteligencia artificial en el contexto médico, así como contribuir a este campo de estudio en desarrollo.

De esta forma, se han analizado los datos de 54 pacientes pediátricos con leucemia linfoblástica aguda (LLA). En concreto, “utilizamos datos de citometría de flujo obtenidos en el momento del diagnóstico y hemos basado el análisis en dos conceptos: por un lado, el nivel de expresión en los marcadores de superficie, y por otro, la frecuencia de las células dentro del mismo rango”.

Según se refleja en la investigación, este equipo de matemáticos han aplicado para este estudio el denominado análisis discriminante lineal de Fisher (método empleado en estadística) para buscar diferencias significativas entre ambos grupos de pacientes y después hacer una correlación con la información genética de los mismos. Tras llevar a cabo todo el procedimiento, los resultados revelan que “una mayor frecuencia de células B, con baja expresión de CD38 (una glucoproteína de la membrana de la célula), podría ser un indicador temprano del riesgo de recaída”. En palabras de estos científicos, “el resultado más consistente en los diferentes análisis fue la asociación entre una menor expresión del marcador CD38 y la recaída”.

Método estadístico para buscar diferencias significativas entre ambos grupos de pacientes y después hacer una correlación con la información genética de los mismos.

Es interesante aclarar que el “CD38 es un receptor presente en la superficie de una amplia variedad de células inmunes. Además, se considera un marcador de activación celular y funciona no solo como receptor, sino también como enzima”.

Sobre la leucemia linfoblástica aguda

Cabe recordar, que la leucemia linfoblástica aguda es el cáncer infantil más común y representa el 40% de todas las neoplasias pediátricas. Esta enfermedad se caracteriza por el crecimiento anormal de linfocitos inmaduros en la médula ósea.

“Tanto la comunidad médica como nuestro equipo consideramos que esta herramienta de inteligencia artificial podría ser fundamental para mejorar el diagnóstico de LLA y optimizar el tratamiento. Seguimos recopilando datos para que, a partir de este 2021, podamos mejorar el algoritmo clasificador y también empezar a aplicarlo a leucemia T”, como afirman los responsables de este estudio.  De hecho, los científicos de la UCA siguen trabajando no solo para avanzar en este sentido, sino también en terapias con células CAR-T o tratamientos de inmunoterapias, entre otros.

El grupo de investigación está integrado por María Rosa Durán, Salvador Chulián, Álvaro Martínez Rubio, del departamento de Matemáticas de la Universidad de Cádiz; Víctor M. Pérez García, de la Universidad de Castilla La Mancha; Cristina Blázquez Goñi, Juan Francisco Rodríguez Gutiérrez, Lourdes Hermosín Ramos, del departamento de Hematología y Oncología Pediátrica del Hospital de Jerez; Águeda Molinos Quintana, Teresa Caballero Velázquez, del departamento de Hematología y Oncología Pediátrica del Hospital Virgen del Rocío; Manuel Ramírez Orellana y Ana Castillo Robleda del departamento de Hematología y Oncología Pediátrica del Hospital Infantil Universitario Niño Jesús; y Juan Luis Fernández Martínez, de la Universidad de Oviedo.

Referencia bibliográfica: 

Salvador Chulián, Álvaro Martínez-Rubio, Víctor M. Pérez-García, María Rosa, Cristina Blázquez Goñi, Juan Francisco Rodríguez Gutiérrez, Lourdes Hermosín-Ramos, Águeda Molinos Quintana, Teresa Caballero-Velázquez, Manuel Ramírez-Orellana, Ana Castillo Robleda, Juan Luis Fernández-Martínez (2021): ‘High dimensional analysis of single-cell flow cytometry data predicts relapse in Childhood Acute Lymphoblastic Leukemia’. Cancers, 13(1), 17; https://doi.org/10.3390/cancers13010017