A continuous transcriptomic entropy score is associated with overall survival in WHO grade 3 IDH-mutant glioma: development and external validation across two sequencing platforms

En el mundo del cáncer cerebral, un tipo específico de tumor ha representado durante mucho tiempo un rompecabezas difícil para los médicos. Se trata de los gliomas, tumores que crecen a partir de las células de soporte del cerebro. Cuando un paciente porta una alteración genética específica llamada mutación IDH, el pronóstico es generalmente mejor que para otros cánceres cerebrales, pero el camino a seguir sigue siendo incierto. Actualmente, los médicos dependen de dos pistas principales para decidir qué tan agresivamente tratar a un paciente: el grado del tumor, que es una medida aproximada de qué tan anormales se ven las células bajo un microscopio, y el estado de un gen llamado MGMT, que puede influir en qué tan bien funciona un fármaco. Sin embargo, estas herramientas son instrumentos rudimentarios. Dos pacientes pueden parecer idénticos en el papel, compartiendo el mismo grado y estado genético, y aun así uno puede sobrevivir una década mientras que otro fallece en menos de dos años. Esta amplia brecha en los resultados deja a los médicos adivinando, exponiendo potencialmente a un paciente a radiación y quimioterapia agresivas que no ofrecen ningún beneficio o, por el contrario, esperando demasiado para tratar un tumor que se está volviendo silenciosamente más peligroso.

Durante años, los investigadores han intentado utilizar la actividad genética del tumor, o transcriptómica, para resolver este problema. La mayoría de los métodos existentes funcionan como una máquina de clasificación, colocando un tumor en una de unas pocas categorías fijas. Si bien estas categorías describen bien a los grupos de personas, son herramientas deficientes para la toma de decisiones sobre un individuo específico. Proporcionan una etiqueta, como "Tipo A" o "Tipo B", en lugar de una medida de qué tan cerca está un tumor específico de volverse mortal. Lo que faltaba era una forma de dar a cada paciente una puntuación continua, un número que pudiera decirle exactamente dónde se sitúa su tumor en el espectro entre una masa de crecimiento lento y un cáncer agresivo y de movimiento rápido.

Un nuevo estudio de Ivy Datta aborda esta brecha mediante el desarrollo y la prueba de un nuevo sistema de puntuación llamado Índice de Ambigüedad Transcriptómica. Los investigadores partieron de una idea simple pero poderosa: cuando un programa informático intenta clasificar un tumor en una categoría, la confianza de esa decisión importa. Imagine un ordenador entrenado para distinguir entre un glioma de bajo grado y de crecimiento lento y un glioblastoma de crecimiento rápido y mortal. Para la mayoría de los tumores de bajo grado, el ordenador está muy seguro, asignando una puntuación que dice: "Este es definitivamente un tumor de bajo grado". Pero para algunos tumores, el ordenador duda. Su perfil genético se sitúa en algún punto intermedio, lo que hace difícil determinar con certeza si es de bajo grado o de alto grado. Los investigadores propusieron que esta duda no es un error o ruido, sino una señal vital. Sugiere que el tumor está en una transición biológica, comenzando a mostrar los rasgos de un cáncer de alto grado antes de que esos rasgos sean visibles bajo el microscopio.

Para convertir esta idea en una herramienta, el equipo analizó datos genéticos de cientos de pacientes en una gran base de datos pública. Construyeron un modelo informático para distinguir entre los dos tipos extremos de glioma. Luego, para cada nuevo tumor, midieron qué tan incierta era la clasificación del modelo. Convirtieron esta incertidumbre en un número único, una puntuación que aumenta a medida que el tumor se vuelve más difícil de clasificar. Una puntuación baja significa que el tumor es claramente de bajo grado, mientras que una puntuación alta significa que el tumor es ambiguo, situándose en el borde de convertirse en alto grado. Esta puntuación es continua, lo que significa que puede tomar cualquier valor, permitiendo distinciones finas entre pacientes que una simple categoría no puede proporcionar.

Los investigadores probaron luego esta puntuación en tres grupos diferentes de pacientes para ver si podía predecir la supervivencia. El primer grupo se utilizó para construir y refinar la puntuación, mientras que los otros dos grupos, procedentes de un país diferente y secuenciados en máquinas distintas, se utilizaron para ver si la puntuación funcionaría en el mundo real sin ser ajustada. Los resultados fueron sorprendentes. En pacientes con glioma mutante IDH de grado 3 de la OMS, la puntuación fue un fuerte predictor de cuánto tiempo vivirían. Por cada incremento estándar en la puntuación, el riesgo de muerte aumentó significativamente. Este patrón se mantuvo en los tres grupos, a pesar de que los grupos eran diferentes en tamaño, ubicación y la tecnología utilizada para leer sus datos genéticos. La puntuación siguió siendo un predictor potente incluso cuando los investigadores tuvieron en cuenta otros factores conocidos como la edad, el estado de la codeleción 1p/19q, la metilación de MGMT y los tratamientos que recibieron los pacientes.

Crucialmente, el estudio descartó algunas explicaciones potenciales de por qué funcionaba la puntuación. Una preocupación era que la puntuación simplemente estuviera identificando a pacientes que fueron diagnosticados erróneamente y que en realidad tenían un tipo de tumor más agresivo que carece de la mutación IDH. Sin embargo, cuando los investigadores observaron únicamente a los pacientes con la mutación IDH confirmada genéticamente, la puntuación funcionó incluso mejor, demostrando que no era simplemente un resultado de una clasificación errónea. La puntuación tampoco separaba simplemente a los pacientes basándose en si tenían una deleción genética específica conocida como codeleción 1p/19q; proporcionaba nueva información además de eso. Curiosamente, la puntuación fue menos consistente en la predicción de los resultados para los tumores de grado 2, el grado más bajo de esta enfermedad. Funcionó bien en un grupo pero no en los otros, lo que sugiere que, si bien es una herramienta poderosa para los tumores de grado 3, puede no ser específica únicamente para esa etapa.

El estudio también destacó un detalle práctico sobre cómo debe utilizarse tal herramienta. El número exacto que recibe un paciente depende de la máquina y el laboratorio específicos que analizaron su muestra. Una puntuación "alta" en un laboratorio podría ser una "media" en otro. Por lo tanto, la puntuación no puede emitirse como un número absoluto universal. En su lugar, debe calibrarse contra un grupo de referencia de pacientes procesados en la misma plataforma. Una vez realizada esta calibración, la puntuación se convierte en una forma fiable de clasificar a los pacientes dentro de ese grupo específico, mostrando quién corre un mayor riesgo.

Este trabajo no pretende haber resuelto el problema del tratamiento del cáncer cerebral, ni ofrece un nuevo fármaco o una cura garantizada. Los datos utilizados fueron recopilados de pacientes pasados, lo que significa que los hallazgos son asociaciones en lugar de pruebas de causa y efecto. Los investigadores enfatizan que la puntuación necesita ser probada en estudios futuros donde los pacientes sean seguidos prospectivamente para ver si el uso de la puntuación realmente ayuda a los médicos a tomar mejores decisiones. Sin embargo, el estudio demuestra con éxito que una medida continua de la incertidumbre genética posee un valor pronóstico real. Ofrece una forma de mirar más allá de la instantánea estática de la apariencia de un tumor y ver el proceso dinámico de su evolución, proporcionando una imagen más clara y matizada del riesgo para los pacientes con esta desafiante enfermedad.