Investigadores del Hospital Infantil de Filadelfia (CHOP), en Estados Unidos, han desarrollado una nueva herramienta para ayudar a los investigadores a interpretar el significado clínico de las mutaciones somáticas en el cáncer, según publican en la revista ‘Science Advances’.

La herramienta, conocida como CancerVar, incorpora marcos de aprendizaje automático para ir más allá de la mera identificación de las mutaciones somáticas del cáncer e interpretar la importancia potencial de esas mutaciones en términos de diagnóstico del cáncer, pronóstico y targetización.

"CancerVar no sustituirá a la interpretación humana en un entorno clínico, pero reducirá significativamente el trabajo manual de los revisores humanos en la clasificación de las variantes identificadas a través de la secuenciación y la redacción de informes clínicos en la práctica de la oncología de precisión", puntualiza Kai Wang, profesor de patología y medicina de laboratorio en el CHOP y autor principal del artículo.

Herramienta CancerVar

La herramienta "documenta y armoniza varios tipos de pruebas clínicas, incluida la información sobre medicamentos, las publicaciones y las vías para las mutaciones somáticas en detalle –prosigue–. Al proporcionar resultados estandarizados, reproducibles y precisos para la interpretación de las variantes somáticas, CancerVar puede ayudar a los investigadores y a los médicos a priorizar las mutaciones de interés".

"La clasificación e interpretación de las variantes somáticas son los pasos que más tiempo consumen en la elaboración de perfiles genómicos de tumores", explica la doctora Marilyn M. Li, profesora de Patología y Medicina de Laboratorio, directora de Diagnóstico Genómico del Cáncer y coautora del artículo.

"CancerVar proporciona una potente herramienta que automatiza estos dos pasos críticos –subraya–. La implementación clínica de esta herramienta mejorará significativamente el tiempo de entrega de las pruebas y la consistencia del rendimiento, haciendo que las pruebas sean más impactantes y asequibles para todos los pacientes de cáncer pediátrico".

El crecimiento de la secuenciación de próxima generación (NGS) y la medicina de precisión ha llevado a la identificación de millones de variantes somáticas del cáncer. Para comprender mejor si esas mutaciones están relacionadas con el curso clínico de la enfermedad o influyen en él, los investigadores han creado varias bases de datos que catalogan estas variantes.

Sin embargo, esas bases de datos no proporcionaban interpretaciones estandarizadas de las variantes somáticas, por lo que en 2017, la Asociación de Patología Molecular (AMP), la Sociedad Americana de Oncología Clínica (ASCO) y el Colegio de Patólogos Americanos (CAP) propusieron conjuntamente normas y directrices para interpretar, informar y puntuar las variantes somáticas.

Incluso con estas directrices, el esquema de clasificación de la AMP/ASCO/CAP no especificaba cómo aplicar estas normas, por lo que diferentes bases de conocimiento proporcionaban resultados diferentes. Para resolver este problema, los investigadores del CHOP, incluido el científico de datos del CHOP y coautor del artículo, Yunyun Zhou, desarrollaron CancerVar, una herramienta mejorada de interpretación de variantes somáticas que utiliza un software de línea de comandos llamado Python con un servidor web adjunto.

Con un servidor web fácil de usar, CancerVar incluye pruebas clínicas de 13 millones de variantes somáticas del cáncer de 1.911 genes del censo del cáncer que se extrajeron de estudios y bases de datos existentes.

Además de incluir millones de mutaciones somáticas, de importancia conocida o no, la herramienta utiliza el aprendizaje profundo para mejorar la interpretación clínica de esas mutaciones.

Los usuarios pueden consultar las interpretaciones clínicas de las variantes utilizando información como la posición del cromosoma o el cambio de la proteína y afinar interactivamente la forma en que se ponderan las características de puntuación específicas, basándose en el conocimiento previo o en criterios adicionales especificados por el usuario.

El servidor web de CancerVar genera interpretaciones descriptivas automatizadas, como por ejemplo si la mutación es relevante para el diagnóstico o el pronóstico o para un ensayo clínico en curso.

"Esta herramienta muestra cómo podemos utilizar herramientas informáticas para automatizar las directrices generadas por los humanos, y también cómo el aprendizaje automático puede guiar la toma de decisiones –explica Wang–. La investigación futura debería explorar la aplicación de este marco a otras áreas de la patología también".