¿Es posible desarrollar un algoritmo que diferencie células tumorales de células sanas en varios tipos de cáncer? Este es el objetivo que se ha propuesto alcanzar un equipo de investigadores alemanes mediante el desarrollo de ikarus, un algoritmo que pretende ayudar a personalizar los tratamientos de los pacientes y a mejorar su evolución gracias al uso del machine learning.
ikarus es un algoritmo compuesto de dos pasos. En el primero (A en la imagen inferior), se obtienen dos conjuntos de marcadores genéticos, usados para clasificar las células, mediante la integración de múltiples conjuntos de datos etiquetados por expertos. Los genes que los expertos siempre han observado expresarse en diferentes tipos de cáncer forman el conjunto de marcadores tumorales. A su vez, los genes que siempre han sido identificados como pertenecientes a células normales componen el conjunto de marcadores normales.
El segundo paso (B en la imagen superior) consiste en el uso de estos marcadores genéticos para entrenar un clasificador que identifique las células como tumorales o normales. Primero, etiqueta cada célula individual según su probabilidad de ser tumoral o normal. Esto da lugar a células etiquetadas como tumorales y células marcadas como normales, pero también a células indeterminadas que no han podido clasificarse en uno u otro grupo. Para solucionarlo, se propagan las etiquetas de las células ya clasificadas (tumoral o normal) según (1) la distancia entre estas y las células indeterminadas y (2) las probabilidades de las indeterminadas de pertenecer a uno de los dos grupos. Este proceso se repite iterativamente hasta que menos del 0.1% de las etiquetas asignadas a las células cambian.
En la práctica clínica actual se examinan las muestras de tumores bajo el microscopio para identificar los distintos tipos de células. Es un trabajo laborioso que requiere mucho tiempo pero que, con herramientas como ikarus, podría automatizarse. ikarus dota a los médicos de una mayor información a la hora de elegir el mejor tratamiento y nos acerca a un futuro donde diseñemos terapias optimizadas para cada paciente.