El adenocarcinoma de pulmón, la forma más común de cáncer de pulmón de células no pequeñas (CPCNP), suele adoptar uno de seis patrones de crecimiento distintos, que a menudo combinan múltiples patrones dentro de un mismo tumor. Un sistema de clasificación global desarrollado por la Asociación Internacional para el Estudio del Cáncer de Pulmón (IASLC) vincula estos patrones de crecimiento con la probabilidad de progresión o recurrencia de la enfermedad. Sin embargo, la presencia de múltiples tipos de patrones dentro de un tumor y la variación en la forma en que cada patrón se manifiesta en diferentes tumores complica la tarea de determinar el pronóstico de un paciente. Esta complejidad, sumada al desafío de definir y cuantificar estos patrones de crecimiento, a menudo genera discrepancias en la clasificación tumoral entre los patólogos. Como resultado, una clasificación inconsistente o subóptima podría resultar en que los pacientes reciban un tratamiento inadecuado o inapropiado, lo que podría comprometer sus resultados. Si bien estudios previos han explorado el uso de modelos de aprendizaje profundo para clasificar los patrones de crecimiento en el adenocarcinoma de pulmón, estos modelos generalmente no han considerado la estructura morfológica detallada de los patrones ni han sido capaces de realizar la clasificación automatizada de la IASLC.
En respuesta a este desafío, los investigadores del Instituto de Investigación del Cáncer (ICR, Londres, Reino Unido) han desarrollado un modelo basado en inteligencia artificial (IA) diseñado para ayudar a los patólogos a clasificar los tumores de cáncer de pulmón y predecir los resultados de los pacientes mediante el análisis de los patrones de crecimiento tumoral, que pueden variar considerablemente entre individuos. En un estudio reciente, el equipo del ICR demostró que el modelo, llamado ANORAK (pyrAmid pooliNg crOss stReam Attention networK), fue capaz de predecir la supervivencia libre de enfermedad (SSE), una medida crítica del tiempo transcurrido entre el tratamiento del adenocarcinoma de pulmón y el regreso de los síntomas o signos de la enfermedad. A largo plazo, el modelo podría ayudar a los médicos a determinar las estrategias de tratamiento más eficaces basadas en la progresión prevista del cáncer. Esta mejor toma de decisiones podría, en última instancia, conducir a mejores resultados para los pacientes, especialmente a la luz de los recientes avances en los programas de detección del cáncer que han llevado a más diagnósticos de cáncer de pulmón en etapa temprana, lo que subraya la necesidad de mejores decisiones de tratamiento. La investigación, realizada por científicos del ICR, fue publicada en Nature Cancer.