Redacción
El Hospital Universitario Virgen del Rocío, la Universidad de Sevilla (US) y la Universidad Pablo de Olavide (UPO) han iniciado un proyecto conjunto que emplea computación de altas prestaciones e inteligencia artificial (IA) para identificar biomarcadores en sarcomas, un grupo de cánceres poco frecuentes y de alta complejidad clínica y biológica.
El objetivo principal es acelerar la detección de señales moleculares que permitan aplicar tratamientos más eficaces y personalizados en oncología, especialmente en tumores donde existe una gran heterogeneidad molecular y abundancia de datos biomédicos complejos.
El objetivo principal es acelerar la detección de señales moleculares que permitan aplicar tratamientos más eficaces y personalizados en oncología
El equipo multidisciplinar, formado por especialistas en oncología, informática biomédica y análisis de datos, está desarrollando un modelo basado en la IA para analizar millones de datos genómicos y transcriptómicos procedentes de muestras clínicas, lo que permite reducir los tiempos de análisis frente a los métodos convencionales y priorizar con mayor precisión los biomarcadores relevantes.
El proceso abarca desde la depuración de datos clínicos fiables hasta la creación de redes de interacción génica y modelos predictivos, utilizando entornos de computación paralela que permiten el procesamiento masivo de datos en tiempos reducidos.
Gracias a esta metodología, el equipo ha logrado identificar nuevos genes candidatos como posibles biomarcadores moleculares en distintos subtipos de sarcomas. En el caso del leiomiosarcoma, los análisis preliminares han señalado a CSF1R y SOX9 como genes de interés. Para los tumores malignos de la vaina nerviosa periférica, se han identificado los genes IKZF3, RXRA, E2F3 y TBX19, mientras que en el sarcoma de Ewing destacan COL11A1, VCAN, BUB1B, CDC20, UBE2C y AURKA como posibles marcadores moleculares relevantes. Finalmente, en los casos de osteosarcoma, los candidatos priorizados han sido NKX2-1, TAL1, GFI1 e IKZF1.
El equipo ha logrado identificar nuevos genes candidatos como posibles biomarcadores moleculares en distintos subtipos de sarcomas
Muchos de estos genes no habían sido previamente asociados con estos subtipos concretos de sarcoma, lo que representa un avance significativo en la caracterización molecular de estos tumores y podría abrir nuevas vías para el desarrollo de terapias dirigidas o diagnósticos más tempranos.
Actualmente, los resultados están en fase de validación cruzada con bases de datos externas y cohortes clínicas independientes, un paso necesario para confirmar su aplicabilidad en entornos clínicos reales.
Desde el Hospital Universitario Virgen del Rocío, han participado los oncólogos José Luis López Guerra e Inmaculada Rincón Pérez, del Departamento de Oncología Radioterápica. Para la Dra. Rincón, “este estudio destaca la importancia del trabajo multidisciplinar entre oncólogos e ingenieros, una colaboración clave en la búsqueda de biomarcadores que permitan un abordaje más personalizado y eficaz en el tratamiento de pacientes oncológicos”.
Un proyecto prometedor
Por parte de la Universidad de Sevilla, el catedrático Juan Antonio Ortega Ramírez, del Departamento de Lenguajes y Sistemas Informáticos, subraya que “el uso de la computación de altas prestaciones y modelos inteligentes nos permite descubrir patrones ocultos en los datos y avanzar hacia una medicina de precisión más rápida, más robusta y personalizada”.
Desde la Universidad Pablo de Olavide, el Dr. Francisco Antonio Gómez Vela, del Área de Lenguajes y Sistemas Informáticos, afirma que “gracias a estas técnicas y al trabajo conjunto de equipos multidisciplinares, esperamos avanzar significativamente hacia tratamientos personalizados que mejoren la calidad de vida de los pacientes que sufren estos tipos de cáncer”.
Aunque el proyecto aún se encuentra en fases preliminares, sus resultados son prometedores y podrían transformar la forma en que se diagnostican y tratan los sarcomas en los próximos años, contribuyendo al desarrollo de herramientas clínicas basadas en IA en oncología de precisión.
