Un tercio de las mutaciones detectadas puede ser ruido del envejecimiento normal
En la búsqueda de tratamientos oncológicos más precisos, investigadores de Johns Hopkins han desarrollado una herramienta de inteligencia artificial que separa el ruido genético del envejecimiento de las señales reales del cáncer en biopsias líquidas. El algoritmo plasmaCHORD eleva la precisión diagnóstica del 50% al 83%, reduciendo el riesgo de que pacientes reciban terapias diseñadas para mutaciones que no provienen de su tumor. Este avance no es solo técnico: es una respuesta a la incertidumbre que enfrentan médicos y pacientes cuando los datos de la sangre hablan con ambigüedad.
- Hasta un tercio de las mutaciones detectadas en biopsias líquidas pueden ser falsas alarmas generadas por el envejecimiento normal de los glóbulos blancos, no por el tumor.
- Sin distinguir ese origen, los oncólogos corren el riesgo de prescribir tratamientos ineficaces o de ignorar terapias que sí funcionarían.
- El equipo de Jenna Canzoniero entrenó plasmaCHORD con muestras de 225 pacientes y lo validó en 114 adicionales de distintos centros, logrando una precisión del 83% en mutaciones clínicamente relevantes.
- El sistema analiza patrones físicos del ADN circulante, la edad del paciente y el tipo de mutación, sin requerir infraestructura nueva para su implementación hospitalaria.
- Los resultados, publicados en Clinical Cancer Research, abren la puerta a una adopción clínica relativamente rápida en múltiples tipos de cáncer.
En los laboratorios de la Universidad Johns Hopkins, un equipo liderado por Jenna Canzoniero ha desarrollado plasmaCHORD, un modelo de aprendizaje automático que resuelve uno de los dilemas más persistentes de la oncología moderna: determinar si una mutación detectada en sangre pertenece al tumor o es simplemente el rastro genético del envejecimiento celular.
La biopsia líquida permite identificar ADN tumoral en el plasma sanguíneo para guiar tratamientos personalizados, pero también captura mutaciones de los glóbulos blancos acumuladas con los años —un proceso conocido como hematopoyesis clonal—. En pacientes mayores o tratados con quimioterapia, estas mutaciones benignas son especialmente frecuentes, y confundirlas con señales del cáncer puede llevar a decisiones clínicas equivocadas.
PlasmaCHORD analiza las características físicas de los fragmentos de ADN circulante, que se comportan de manera distinta según su origen tumoral o sanguíneo, combinando esa información con la edad del paciente y el tipo de mutación. Entrenado con muestras de 225 pacientes con cinco tipos de cáncer y validado en 114 pacientes adicionales de un centro diferente, el sistema elevó la precisión en mutaciones clínicamente relevantes del 50% al 83%.
El profesor Valsamo Anagnostou destacó que aproximadamente un tercio de todas las mutaciones en biopsias líquidas pueden originarse en células sanguíneas envejecidas, lo que subraya la magnitud del problema que este modelo viene a corregir. Su mayor virtud práctica es que no exige infraestructura nueva: podría integrarse con relativa rapidez en hospitales que ya realizan biopsias líquidas, acercando sus beneficios a los pacientes sin esperar largos procesos de estandarización tecnológica.
En los laboratorios del Centro de Oncología Kimmel de la Universidad Johns Hopkins, un equipo de investigadores ha puesto a punto una herramienta que resuelve uno de los problemas más molestos de la medicina oncológica moderna: saber si una mutación detectada en sangre pertenece realmente al tumor que se intenta tratar, o si es solo ruido genético del envejecimiento normal.
La biopsia líquida es elegante en su concepto. Los médicos extraen sangre, buscan fragmentos de ADN tumoral flotando en el plasma, identifican las mutaciones que lo caracterizan, y luego prescriben medicamentos diseñados específicamente para atacar esas mutaciones. El problema es que la sangre no solo contiene ADN del cáncer. También contiene ADN de los glóbulos blancos, que acumulan mutaciones de forma natural a lo largo de los años, un proceso llamado hematopoyesis clonal. En pacientes mayores, o en aquellos que han recibido quimioterapia o radioterapia, estas mutaciones "benignas" son especialmente abundantes. Cuando llegan los resultados de la biopsia líquida, el médico se enfrenta a una pregunta incómoda: ¿de dónde vino realmente esa mutación?
Jenna Canzoniero y sus colegas decidieron entrenar una máquina para responder esa pregunta. Crearon un modelo de aprendizaje automático al que llamaron plasmaCHORD, que analiza las características físicas de los fragmentos de ADN circulante. El material genético se comporta de forma diferente según su origen: los fragmentos que provienen de tumores sólidos tienen patrones distintos a los que vienen de células sanguíneas. El sistema también considera la edad del paciente, el tipo específico de gen afectado, y la naturaleza de la mutación. Los investigadores lo entrenaron con muestras de 225 pacientes diagnosticados con cáncer de mama, colorrectal, de esófago, ovario y pulmón.
Para verificar que el sistema funcionaba, compararon sus predicciones con secuenciación genética directa de las células tumorales y de los leucocitos de los pacientes—la forma más confiable de saber el verdadero origen de cada mutación. Luego lo pusieron a prueba en un grupo completamente diferente: 114 personas con cáncer de mama, próstata y pulmón, tratadas en un hospital que usaba un tipo distinto de biopsia líquida. Los números fueron convincentes. Donde antes el sistema acertaba en el 50% de los casos cuando se trataba de mutaciones clínicamente relevantes, plasmaCHORD alcanzó el 83% de precisión.
Lo que hace especialmente valiosa esta mejora es que no es un avance teórico. Los investigadores demostraron que el modelo puede evitar que los médicos prescriban tratamientos que no funcionarían, y que puede ayudar a seleccionar los que realmente importan. Valsamo Anagnostou, profesor de oncología en Johns Hopkins, señaló que aproximadamente un tercio de todas las mutaciones detectadas en biopsias líquidas pueden tener su origen en glóbulos blancos envejecidos, no en el tumor. Eso significa que sin una herramienta como plasmaCHORD, un tercio de los pacientes podrían estar recibiendo información engañosa sobre su enfermedad.
Lo que distingue este trabajo es que Anagnostou también subrayó la practicidad del sistema. No es una solución que requiera infraestructura nueva o procesos complicados. Podría implementarse relativamente rápido en hospitales que ya realizan biopsias líquidas, lo que significa que los beneficios podrían llegar a los pacientes sin esperar años a que la tecnología se estandarice. Los resultados fueron publicados en Clinical Cancer Research, y el equipo ya está pensando en cómo ampliar el alcance del modelo a otros tipos de cáncer y en cómo integrarlo en los flujos de trabajo clínicos reales.
Citas Notables
Si quieres seleccionar un medicamento dirigido a una mutación para tratar el cáncer, debes asegurarte de que la mutación está en el tumor, y no en los glóbulos blancos— Jenna Canzoniero, investigadora del Centro de Oncología Kimmel
La ventaja del modelo reside no solamente en su utilidad clínica, sino en que sería relativamente fácil de implementar con rapidez para hacer un uso extendido— Valsamo Anagnostou, profesor de oncología en Johns Hopkins
La Conversación del Hearth Otra perspectiva de la historia
¿Por qué es tan importante distinguir entre una mutación del tumor y una mutación de los glóbulos blancos? ¿No son mutaciones al fin y al cabo?
Porque los medicamentos oncológicos modernos son como cerraduras muy específicas. Si le das a un paciente un fármaco dirigido a una mutación que no está en su tumor, simplemente no funcionará. Peor aún, el paciente pierde tiempo valioso y puede sufrir efectos secundarios innecesarios.
Entiendo. Pero ¿cómo puede una máquina saber de dónde vino una mutación solo mirando el fragmento de ADN?
Los fragmentos de ADN tienen características físicas diferentes según su origen. Los que vienen de tumores sólidos tienen patrones distintos a los de células sanguíneas. Es como si cada tipo de célula dejara una firma diferente en el material genético que libera. La máquina aprende a reconocer esas firmas.
¿Y qué pasa con los pacientes mayores? Mencionan que tienen más de estos fragmentos de glóbulos blancos.
Exacto. El envejecimiento normal acumula mutaciones en las células sanguíneas. Un paciente de 80 años tendrá muchas más de estas mutaciones "benignas" flotando en su sangre que uno de 40. Sin plasmaCHORD, eso crearía mucho ruido en los resultados.
¿Cuál fue el resultado más sorprendente del estudio?
Que pasaron del 50% de precisión al 83% en mutaciones clínicamente relevantes. Pero lo más importante es que lo hicieron en un grupo de pacientes completamente diferente, con un tipo distinto de biopsia líquida. Eso demuestra que el sistema funciona en el mundo real, no solo en el laboratorio.
¿Qué viene ahora?
La implementación. Anagnostou señaló que esto podría llegar a los hospitales relativamente rápido porque no requiere nueva infraestructura. Es cuestión de integrar el modelo en los procesos que ya existen.