Una nueva herramienta de inteligencia artificial llamada ProteinTalks logra predecir con exactitud si un fármaco será eficaz contra una línea celular cancerosa, encontrar nuevas combinaciones de fármacos e identificar proteínas relacionadas con la resistencia a los fármacos. Todo esto permite diseñar tratamientos personalizados para atacar el cáncer de mama con mayor éxito.

La inteligencia artificial empieza a ingresar en una de las partes más difíciles de la oncología: anticipar qué tratamiento funcionará mejor en un tumor concreto. Un equipo de investigadores ha desarrollado un modelo de IA concebido como una "célula virtual" capaz de recrear cómo cambian las proteínas de una célula cancerosa después de recibir un fármaco. El objetivo es ir más allá de las fotografías estáticas del tumor y observar su respuesta como un proceso dinámico.

El estudio, publicado en la revista Nature, se apoya en un volumen de datos poco habitual. Los investigadores analizaron 18 líneas celulares de cáncer de mama expuestas a 63 fármacos anticancerosos aprobados y a 59 combinaciones de dos medicamentos.

Midieron los niveles de proteínas antes del tratamiento y a las 6, 24 y 48 horas, hasta reunir más de 38 millones de mediciones correspondientes a 5.585 proteínas. Con esos datos entrenaron al modelo ProteinTalks para aprender las trayectorias que siguen las células cuando un tratamiento altera su funcionamiento.

La diferencia con muchos sistemas anteriores está precisamente en esa dimensión temporal: en lugar de limitarse a relacionar genes o características moleculares con una respuesta final, ProteinTalks intenta aprender cómo evolucionan las proteínas durante el tratamiento.

Según la investigación, el modelo superó a varios métodos de referencia basados en actividad génica y aprendizaje automático tradicional en las pruebas realizadas. También fue capaz de predecir la respuesta frente a 81 compuestos anticancerosos que no había visto durante el entrenamiento.

Una de las aplicaciones más importantes se encuentra en el cáncer de mama triple negativo, una forma agresiva que carece de receptores hormonales y que ofrece menos opciones dirigidas. ProteinTalks identificó cuatro parejas de fármacos con un efecto combinado superior al de cada medicamento por separado.

El hallazgo, liderado por científicos de la Universidad de Westlake, en China, apunta a una posible estrategia para descubrir combinaciones terapéuticas que podrían pasar desapercibidas en los ensayos convencionales, según publica Medical Xpress.

ProteinTalks ayudó a clasificar posibles tratamientos, incluidos medicamentos reutilizados que mostraron actividad en organoides tumorales cultivados en laboratorio. / Crédito: Nature (2026). DOI: 10.1038/s41586-026-11001-9

La herramienta también permite buscar mecanismos de resistencia a los tratamientos. Al seguir el comportamiento de miles de proteínas, los investigadores señalaron moléculas que podrían contribuir a que las células dejen de responder a un tratamiento.

Uno de los ejemplos fue la proteína AKR1C3. Cuando los científicos la redujeron experimentalmente, las células recuperaron sensibilidad al docetaxel, un resultado que fue confirmado mediante ensayos de citotoxicidad. Es una demostración de que el modelo no solo puede predecir resultados, sino también sugerir explicaciones biológicas que después pueden comprobarse en el laboratorio.

El siguiente paso fue probar la capacidad de la plataforma para trabajar con muestras más cercanas a la realidad clínica. El equipo analizó los perfiles proteicos de 501 pacientes con cáncer de mama triple negativo y utilizó el modelo para estratificar a los tumores según sus respuestas y su riesgo de recaída y supervivencia.

Además, ProteinTalks se empleó para priorizar candidatos entre más de 3.000 fármacos reutilizados y después comprobar su actividad directamente en organoides derivados de pacientes, pequeñas estructuras celulares que reproducen características del tumor original. Algunos candidatos mostraron actividad a dosis inferiores a las de la quimioterapia estándar.

Por el momento, los resultados proceden de modelos celulares, organoides y análisis de biopsias, y la utilidad clínica deberá demostrarse en estudios prospectivos y ensayos con pacientes. La propia investigación presenta ProteinTalks como una herramienta para acelerar el descubrimiento y la evaluación de tratamientos, no como un sustituto de la decisión médica.

Sin embargo, en vez de preguntar únicamente qué medicamento funciona, la "célula virtual" permite explorar qué ocurre dentro de un tumor cuando ese medicamento entra en acción, qué proteínas cambian, qué combinaciones pueden potenciar el efecto y qué mecanismos podrían explicar la resistencia.

Si esta capacidad se valida clínicamente, la IA podría convertirse en una pieza importante de la oncología de precisión, logrando acercarse un poco más a la combinación adecuada para cada tumor.

Fuente: Levante - EMV