CIENCIA Y TECNOLOGIAIA

IA ruso-china detecta células cancerosas resistentes

Un equipo ruso-chino de Shenzhen creó un modelo que detecta, célula por célula, qué parte de un tumor resistirá la terapia, con 95,3 % de acierto.

Investigadores rusos y chinos han desarrollado una herramienta de inteligencia artificial que podría contribuir a transformar la manera en que se estudian los tumores y se diseñan los tratamientos oncológicos. Se trata de scRADAR, un modelo computacional capaz de identificar células cancerosas que presentan resistencia a determinados medicamentos, incluso cuando representan una pequeña parte de la población celular de un tumor.

El avance científico fue realizado por especialistas de la Universidad Conjunta Ruso-China MSU-BIT, ubicada en Shenzhen, China, quienes diseñaron un sistema que analiza las características biológicas de las células individuales para anticipar cómo podrían reaccionar ante distintos tratamientos farmacológicos.

Uno de los aspectos más relevantes de esta investigación es su capacidad para reconocer poblaciones celulares que podrían pasar inadvertidas mediante los procedimientos convencionales de análisis. Estas células resistentes representan un desafío importante para la medicina, debido a que pueden sobrevivir a los tratamientos y contribuir posteriormente al crecimiento del tumor o a la reaparición de la enfermedad.

Una tecnología que busca anticiparse a la resistencia del cáncer

Los tumores no están integrados por células idénticas. Por el contrario, presentan una composición heterogénea, con poblaciones que pueden tener características genéticas, metabólicas y funcionales diferentes.

Esta diversidad representa una dificultad para los tratamientos oncológicos, ya que un medicamento puede eliminar una parte considerable de las células malignas, mientras que otras consiguen sobrevivir debido a sus mecanismos particulares de resistencia.

El problema es que estas poblaciones resistentes pueden ser minoritarias y difíciles de detectar. Sin embargo, su supervivencia puede tener consecuencias importantes para la evolución de la enfermedad y la respuesta del paciente a las terapias.

Ante este escenario, el equipo científico desarrolló scRADAR con el propósito de analizar el comportamiento potencial de cada célula y determinar cuáles presentan características asociadas con una menor sensibilidad a los medicamentos.

De acuerdo con el profesor Alexéi Shaitán, codirector del laboratorio de bioinformática y biología de ingeniería de la institución, la herramienta permite estudiar los mecanismos moleculares relacionados con la resistencia farmacológica.

¿Cómo funciona el sistema scRADAR?

A diferencia de los métodos que analizan el tumor como una unidad general, el nuevo modelo utiliza información biológica de células individuales para establecer posibles patrones de respuesta a los medicamentos.

Su funcionamiento se basa en el procesamiento de diferentes indicadores moleculares, entre ellos:

  • Actividad genética: identifica qué genes se encuentran activos en cada célula y cómo podrían influir en su comportamiento.

  • Características metabólicas: examina los procesos mediante los cuales las células obtienen y utilizan energía.

  • Vías de señalización intracelular: estudia los mecanismos de comunicación que intervienen en el funcionamiento y la supervivencia celular.

  • Mecanismo de acción de los medicamentos: relaciona las características de cada célula con la manera en que actúa un determinado fármaco.

Al integrar esta información, scRADAR puede clasificar las células de acuerdo con su posible sensibilidad o resistencia a los tratamientos.

Pero su utilidad no se limita a identificar cuáles podrían sobrevivir a la acción de un medicamento. También permite explorar las características moleculares que podrían explicar por qué determinadas células desarrollan resistencia.

Esta capacidad podría aportar información relevante para comprender mejor la evolución de los tumores y los mecanismos biológicos que dificultan el éxito de algunas terapias.

Una precisión superior al 95 por ciento en las pruebas

Para desarrollar el modelo, los investigadores utilizaron información pública procedente de estudios de secuenciación de ARN de células individuales, una técnica que permite examinar la actividad genética de cada célula por separado.

Posteriormente, el sistema fue sometido a evaluaciones utilizando nueve conjuntos de datos científicos correspondientes a cinco tipos diferentes de cáncer.

Las pruebas incluyeron:

  1. Cáncer de pulmón de células no pequeñas.

  2. Cáncer de mama.

  3. Cáncer de próstata.

  4. Carcinoma escamoso oral.

  5. Leucemia linfocítica crónica.

De acuerdo con los resultados presentados por el equipo investigador, scRADAR obtuvo una precisión media de clasificación del 95.3 por ciento en los conjuntos de datos evaluados.

Esta cifra representa un resultado destacado para una herramienta de análisis computacional, particularmente por su aplicación en el estudio de la heterogeneidad tumoral y la identificación de posibles mecanismos de resistencia farmacológica.

No obstante, es importante precisar que este porcentaje corresponde al desempeño del modelo en las pruebas realizadas con los datos estudiados. No significa que el sistema tenga actualmente una eficacia clínica del 95.3 por ciento para diagnosticar cáncer o garantizar el éxito de un tratamiento en pacientes.

Cinco tipos de cáncer bajo la mirada de la inteligencia artificial

La evaluación en diferentes enfermedades oncológicas permitió explorar la capacidad del modelo para trabajar con información biológica procedente de tumores con características distintas.

Este aspecto resulta importante porque la resistencia a los medicamentos no responde necesariamente a un único mecanismo. Las células cancerosas pueden desarrollar o presentar distintas estrategias de supervivencia, dependiendo del tipo de tumor y de sus particularidades moleculares.

Al analizar información celular individual, los investigadores buscan superar algunas de las limitaciones de los estudios tradicionales, que pueden ofrecer una visión general del tumor sin identificar con suficiente detalle las diferencias entre sus poblaciones celulares.

La posibilidad de detectar esas diferencias abre nuevas líneas de investigación para estudiar por qué algunos tratamientos pierden efectividad y qué características podrían utilizarse para anticipar una respuesta desfavorable.

El potencial de la IA en la medicina personalizada

El desarrollo de scRADAR se suma a una tendencia científica internacional que busca incorporar herramientas de inteligencia artificial en la investigación médica, especialmente en áreas donde el volumen y la complejidad de los datos dificultan el análisis mediante procedimientos convencionales.

En oncología, la medicina personalizada pretende adaptar las decisiones terapéuticas a las características particulares de cada enfermedad y, cuando la evidencia lo permite, a las particularidades biológicas de cada paciente.

En ese contexto, conocer cómo se comportan las células de un tumor podría ayudar a los especialistas a comprender mejor las diferencias en la respuesta a los medicamentos.

Si futuras investigaciones validan su utilidad clínica, herramientas como scRADAR podrían contribuir al desarrollo de estrategias para identificar anticipadamente posibles resistencias, investigar alternativas terapéuticas y mejorar la selección de tratamientos.

Sin embargo, todavía es necesario distinguir entre un avance de investigación y una tecnología disponible para su utilización hospitalaria. Los resultados computacionales deberán complementarse con estudios experimentales y validaciones clínicas que permitan determinar su precisión y utilidad en pacientes reales.

Publicación científica respalda el desarrollo tecnológico

Los resultados de esta investigación fueron publicados en la revista especializada PLOS Computational Biology.

El trabajo fue desarrollado en el laboratorio interuniversitario de bioinformática y biología de ingeniería, creado en 2025 como parte de la colaboración académica entre instituciones rusas y chinas.

La publicación científica presenta los fundamentos del modelo, su metodología de análisis y las evaluaciones realizadas con los conjuntos de datos correspondientes a los cinco tipos de cáncer estudiados.

La investigación representa un ejemplo de cómo la colaboración internacional y el aprendizaje automático están ampliando las posibilidades para estudiar enfermedades complejas.

Un nuevo horizonte para la investigación contra el cáncer

Aunque scRADAR todavía requiere avanzar hacia nuevas etapas de validación antes de convertirse en una herramienta de aplicación clínica, su desarrollo ofrece una perspectiva interesante: utilizar la inteligencia artificial para identificar no solamente la presencia de células malignas, sino también las diferencias biológicas que pueden determinar su supervivencia frente a los medicamentos.

El reto de la oncología moderna no consiste únicamente en destruir las células cancerosas, sino también en comprender por qué algunas sobreviven y cómo evitar que vuelvan a multiplicarse.

En esa búsqueda, la inteligencia artificial comienza a desempeñar un papel cada vez más relevante, al proporcionar instrumentos capaces de analizar grandes cantidades de información molecular y encontrar patrones que podrían resultar fundamentales para futuras investigaciones y tratamientos más personalizados.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *