El cáncer de mama sigue siendo la principal causa de muerte por cáncer entre las mujeres en todo el mundo, con 2.3 millones de casos nuevos y 685,000 muertes en 20221A pesar de los avances en la detección temprana y el cribado, predecir las respuestas al tratamiento y la progresión de la enfermedad sigue siendo un desafío importante.2Los oncólogos enfrentan dificultades para desarrollar planes de tratamiento debido a la variabilidad de los pacientes y de la terapia. Sin embargo, cualquier enfoque empírico a menudo conduce a resultados subóptimos para los pacientes y a toxicidades innecesarias; por ejemplo, es posible que no se identifique a pacientes que podrían beneficiarse de tratamientos prequirúrgicos que reducen la mortalidad, como la quimioterapia neoadyuvante (NAC). Por lo tanto, existe la necesidad de herramientas predictivas precisas que puedan mejorar los resultados de los pacientes al facilitar la personalización del tratamiento y minimizar el riesgo de efectos secundarios.

Quibim ha establecido varias alianzas estratégicas para desarrollar modelos basados ​​en radiómica que utilicen imágenes por resonancia magnética (IRM) y tomografía por emisión de positrones con flúor-18 fluorodesoxiglucosa (18F-FDG-PET) para predecir la respuesta al tratamiento en pacientes con cáncer de mama. En concreto, en un estudio publicado3 El objetivo era realizar análisis radiómicos para predecir la respuesta patológica completa (pCR) a la NAC, que sirve como marcador sustituto de la supervivencia libre de enfermedad a largo plazo y la supervivencia general. Los socios de Quibim apoyaron la recopilación de exámenes de resonancia magnética y PET con 18F-FDG a través de sus redes hospitalarias para entrenar los modelos predictivos impulsados ​​por IA. Estos esfuerzos garantizan resultados sólidos y reproducibles en todos los entornos clínicos:

• Segmentación y extracción de características: La solución de Quibim permite la segmentación y extracción de características radiómicas de las lesiones tumorales mamarias después de la armonización de datos para estandarizar la calidad de la imagen en todos los centros y escáneres.
• Modelos predictivos para pCR: Quibim ofrece un modelo basado en imágenes para la predicción de pCR a NAC utilizando características radiómicas extraídas de MRI y/o 18PET-FDG.

Esta herramienta basada en inteligencia artificial mejora la atención del cáncer de mama al brindar capacidades predictivas avanzadas para las respuestas al tratamiento, al mismo tiempo que estandariza y guía la selección de tratamientos en los hospitales. Al mejorar los resultados de los pacientes, no solo beneficia la práctica clínica, sino que también respalda las estrategias de marketing de medicamentos de manera eficaz.

Estas nuevas herramientas se implementarán e integrarán en QP-Breast de Quibim® producto, que está diseñado para revolucionar el tratamiento del cáncer de mama al ofrecer capacidades predictivas avanzadas para la respuesta al tratamiento y la progresión de la enfermedad. Esta herramienta innovadora mejorará significativamente la capacidad de los oncólogos para tomar decisiones de tratamiento precisas e informadas, en particular para subtipos de cáncer agresivos donde existe una necesidad crítica de herramientas de apoyo a la toma de decisiones efectivas. Al abordar estas brechas, QP-Breast® Representará un avance importante en la oncología personalizada.

REFERENCIAS

1. Arnold M, Morgan E, Rumgay H, Mafra A, Singh D, Laversanne M, Vignat J, Gralow JR, Cardoso F, Siesling S, Soerjomataram I. Carga actual y futura del cáncer de mama: estadísticas mundiales para 2020 y 2040. La mama 2022, 66, 15 – 23.
2. O’Shaughnessy, JA, Telli, ML, Bardia, A, Krop, I, McGuire, K. Necesidades insatisfechas y dirección futura en el cáncer de mama HER2+, OncLive 2024, 12
3. Herrero Vicent, C, Tudela, X, Moreno Ruiz, P, Pedralva, V, Jiménez Pastor, A, Ahicart, D, Rubio Novella, S, Meneu, I, Montes Albuixech, Á, Santamaría, M.Á. et al. Modelos de aprendizaje automático e imágenes de resonancia magnética multiparamétrica para la predicción de la respuesta patológica a la quimioterapia neoadyuvante en el cáncer de mama. Cánceres 2022, 14, 3508.