A pesar del considerable aumento de publicaciones en los últimos años, la biopsia líquida aún no se utiliza de forma rutinaria en el diagnóstico del cáncer y el seguimiento de tumores. A diferencia de las biopsias directas, las biopsias líquidas utilizan fluidos corporales que se toman lejos del tumor primario. Por lo tanto, puede pasar por alto una parte relevante del tumor pero, a la inversa, ser representativa de la contraparte más agresiva.
(red) Para la biopsia líquida (LB) suele utilizarse sangre venosa o líquido cefalorraquídeo. [CTCs] [MVs] [EXs]El material procedente del tumor puede estar presente en forma libre (ácidos nucleicos tumorales circulantes y células tumorales circulantes ) o en vesículas unidas a membranas (microvesículas y exosomas ). Recientemente, las plaquetas han demostrado su enorme potencial para la biopsia líquida como plaquetas adaptadas a tumores (TEP). Sin embargo, en este contexto, los tumores cerebrales intrínsecos plantean un reto adicional por varias razones, como su baja incidencia y la rentabilidad de la detección precoz, la falta de pruebas sobre las opciones de tratamiento temprano y la presencia de la barrera hematoencefálica (BHE) como supresor potencial de las células tumorales migratorias y su escasa capacidad de metástasis a través de la sangre. Uno de los mayores retos a la hora de integrar el LB de tumores cerebrales en la rutina clínica es evaluar estándares fiables y aumentar la sensibilidad, más bien baja y variable, que actualmente se sitúa en torno al 10-60%, ya que la excreción de ADN tumoral en el LCR no parece ser una característica universal del glioma difuso. Además, aún no hay datos suficientes sobre la influencia del tipo de tumor (glioblastoma frente a astrocitoma con mutación IDH frente a gliomas de menor grado), la localización, el grado de alteración de la BHE y el estadio de la enfermedad en la sensibilidad, especificidad y utilidad clínica de los biomarcadores individuales de la biopsia líquida y su combinación, así como sobre el mejor tipo de toma de muestras de LCR (LCR lumbar o cisternal).
El aprendizaje automático ayuda a LB
Una revisión sistemática centrada en la aplicación del aprendizaje automático (AM) al LB en tumores cerebrales con el objetivo de proporcionar una guía práctica a los neurocirujanos para comprender las prácticas más avanzadas y los retos pendientes. El estudio se realizó de acuerdo con las directrices PRISMA-P (elementos de información preferidos para los protocolos de revisión sistemática y metaanálisis). Se realizó una búsqueda bibliográfica en línea en las bases de datos PubMed/Medline, Scopus y Web of Science utilizando la siguiente consulta de búsqueda:[Flüssigbiopsie] [Glioblastom OR Hirntumor] “( AND AND [aprendizaje automático O inteligencia artificial))”.
La búsqueda en la bibliografía arrojó un total de 55 resultados. Se eliminaron las entradas duplicadas (n=24). Se examinaron 31 registros y se excluyeron cuatro mediante el cribado de título y resumen; se buscaron 27 informes para su recuperación y no se pudo acceder a cuatro estudios, por lo que se descartaron. Se encontraron 23 informes relevantes para nuestra pregunta de investigación y se evaluó su idoneidad. Se excluyeron nueve informes porque no cumplían los criterios de inclusión. Al final, se incluyeron 14 artículos en el estudio.
Actualmente no se utiliza para los tumores cerebrales
Las principales ventajas de los LB son que no son invasivos, son repetibles y pueden analizarse en tiempo real. Los tumores cerebrales intrínsecos son un grupo de tumores difíciles para los que se puede utilizar de forma rutinaria la biopsia líquida. Sólo se han publicado en la literatura escasas y tempranas pruebas de que las diferentes fases de la gliomagénesis se caracterizan por diferentes biomarcadores proteómicos secretados. La LB desempeña un papel importante en el diagnóstico cuando la biopsia de tejido no es factible debido al riesgo de una morbilidad excesiva, por ejemplo, en lesiones profundas o multicéntricas o en edad avanzada y diversas comorbilidades. Sin embargo, esto no significa que no exista potencial para el LB en gliomas en otros estadios, por ejemplo, para el seguimiento de los resultados del tratamiento y la estratificación pronóstica de los pacientes afectados. El nivel de un hipotético biomarcador ideal debería ser elevado en el momento del diagnóstico por imagen, luego descender significativamente tras la extirpación quirúrgica del tumor y permanecer bajo durante el tratamiento posterior, lo que ayudaría a distinguir la progresión de la pseudoprogresión y aumentaría el número de casos elegibles para opciones potencialmente curativas o terapias más exitosas. Esto es tanto más cierto cuanto que la clasificación de la OMS de los tumores del SNC para 2021 exige que los tumores cerebrales se caractericen no sólo en función de su histología, sino también, independientemente de ésta, en función de sus características moleculares.
Sin embargo, el escaso número de artículos en la literatura sobre tumores cerebrales demuestra que la biopsia líquida no se utiliza actualmente para los tumores del SNC. Sin embargo, el ML puede desempeñar un papel en la LB de los tumores cerebrales, especialmente en la detección precoz, ya que es más eficaz que los métodos estadísticos convencionales a la hora de identificar los primeros signos de los tumores cerebrales mediante el análisis de los marcadores genéticos y proteómicos de las biopsias líquidas. La medicina de precisión también puede beneficiarse, ya que puede ayudar rápidamente a predecir la eficacia de diversas terapias mediante el análisis de la firma molecular de los tumores. También ofrece resultados más rápidos. Los algoritmos de ML pueden analizar de forma rápida y precisa los resultados de LB y proporcionar a los médicos información procesable que les ayude a tomar decisiones sobre el tratamiento.
Fuente: Menna G, et al: Is There a Role for Machine Learning in Liquid Biopsy for Brain Tumours? A Systematic Review. Int J Mol Sci 2023; 24(11): 9723.
InFo NEUROLOGÍA Y PSIQUIATRÍA 2024; 22(3): 33
