Un equipo internacional de investigadores ha desarrollado un innovador enfoque basado en inteligencia artificial (IA) que permite diagnosticar y monitorizar tumores cerebrales pediátricos a partir de una simple muestra de líquido cefalorraquídeo (LCR), evitando en muchos casos la necesidad de obtener tejido tumoral mediante cirugía. Los resultados, publicados en la revista Nature Cancer, abren la puerta a un diagnóstico molecular más precoz, menos invasivo y potencialmente más preciso en neurooncología infantil.
El trabajo ha sido liderado por la Universidad Médica de Viena, en colaboración con el Hospital Infantil St. Jude y el Centro Oncológico Infantil Hopp (KiTZ). En el centro del avance se encuentra una herramienta de IA denominada M-PACT (Algoritmo Predictivo Basado en la Metilación para Tumores del Sistema Nervioso Central), diseñada para analizar ADN tumoral libre de células presente en el LCR.
Hasta ahora, el diagnóstico de los tumores cerebrales se ha basado fundamentalmente en el análisis de muestras de tejido obtenidas mediante procedimientos neuroquirúrgicos. Sin embargo, estas intervenciones no siempre son factibles —por la localización del tumor o por el estado clínico del paciente— y conllevan riesgos significativos.
El nuevo enfoque se basa en lo que se conoce como biopsia líquida del LCR. Las células tumorales liberan pequeños fragmentos de ADN —ADN tumoral circulante o ctDNA— en el líquido que baña el cerebro y la médula espinal. Estos fragmentos contienen patrones específicos de metilación, una forma de modificación epigenética que actúa como ·huella molecular" del tumor.
M-PACT utiliza redes neuronales profundas (DNN) para analizar estos metilomas incluso cuando la cantidad de ADN disponible es extremadamente baja, algo habitual en neurooncología pediátrica. A diferencia de otros métodos previos, que dependían de alteraciones genéticas concretas o requerían cantidades relativamente altas de ADN, este algoritmo es "agnóstico al tumor": no necesita buscar mutaciones específicas para clasificarlo correctamente.
En el estudio, la aplicación de M-PACT a muestras de LCR de múltiples entidades tumorales del sistema nervioso central (SNC) pediátrico mostró una alta concordancia con los diagnósticos de referencia basados en tejido. Es decir, el sistema fue capaz de clasificar los tumores con una precisión comparable a la obtenida mediante las técnicas estándar actuales.
Precisión con cantidades mínimas de ADN
Uno de los principales retos de la biopsia líquida en tumores cerebrales es la escasa cantidad de ADN tumoral presente en el LCR. A diferencia de otros tumores sólidos en adultos, donde el análisis de sangre ha revolucionado el seguimiento oncológico, en los tumores del SNC la detección de ctDNA en plasma es mucho menos sensible. Por ello, el LCR se considera el compartimento más prometedor para monitorizar la enfermedad.
Sin embargo, los niveles de ADN libre de células en el LCR son órdenes de magnitud inferiores a los del plasma. La mayoría de los estudios previos establecían umbrales conservadores de carga tumoral en torno al 5–10% para poder obtener resultados fiables.
El nuevo flujo de trabajo desarrollado por los investigadores —que combina la técnica EM-seq para el análisis de metilación con el algoritmo M-PACT— logra clasificar tumores a partir de cantidades subnanogramos de ADN, un orden de magnitud inferior al requerido en estudios anteriores. Además, el sistema detecta variaciones en el número de copias (CNV) con alta concordancia respecto a técnicas como la secuenciación genómica de baja cobertura (lcWGS).
Incluso en tumores con genomas equilibrados —donde los métodos basados exclusivamente en CNV suelen fallar— M-PACT fue capaz de clasificar de manera fiable los metilomas de cfDNA. Esto amplía considerablemente el espectro de tumores evaluables mediante biopsia líquida.
Aplicaciones clínicas: antes y después de la cirugía
El potencial clínico del método es doble: diagnóstico precoz y monitorización evolutiva. En el contexto diagnóstico, el algoritmo clasificó con precisión el ADN derivado de muestras de LCR obtenidas incluso en el entorno intraoperatorio, mostrando concordancia con la clasificación molecular basada en tejido. Aunque el número de casos analizados es todavía limitado, los resultados respaldan su posible uso en el contexto preoperatorio.
Según Johannes Gojo, oncólogo pediátrico de la Universidad Médica de Viena y uno de los autores principales del estudio, "nuestro enfoque demuestra que es posible realizar un diagnóstico molecular preciso para la mayoría de los tumores cerebrales pediátricos, incluso sin tejido tumoral". A largo plazo, añadió, esta tecnología podría permitir diagnosticar tumores cerebrales a partir de una muestra de LCR antes de la cirugía y monitorizar la evolución de la enfermedad de forma más estrecha y menos invasiva.
En pacientes en los que la resección quirúrgica no es viable, la biopsia líquida del LCR podría convertirse en una alternativa clave para obtener un diagnóstico molecular preciso.
En el ámbito del seguimiento, el sistema demostró capacidad para detectar cambios en el paisaje epigenético y en las CNV a partir de una sola muestra de bajo aporte. Esto abre la posibilidad de vigilar la recurrencia tumoral, identificar clones en evolución y distinguir entre recaída y neoplasias secundarias, un reto frecuente en la práctica clínica debido a las limitaciones de las técnicas de imagen.
Las tecnologías de imagen actuales, aunque fundamentales, no siempre permiten diferenciar con claridad entre progresión tumoral y efectos secundarios del tratamiento. Un diagnóstico molecular basado en LCR podría facilitar ajustes terapéuticos más tempranos e incluso la inclusión en ensayos clínicos en fases más iniciales.
El estudio también apunta a aplicaciones futuras en el análisis del microambiente tumoral. M-PACT fue capaz de estimar las proporciones relativas de ADN libre de células procedente de distintos tipos celulares no malignos. Esto podría permitir, en el futuro, estudiar la dinámica de la respuesta inmunitaria en el sistema nervioso central, tanto frente a terapias convencionales como a inmunoterapias o terapias celulares experimentales.
Comprender si el entorno inmunológico es predominantemente inmunosupresor o antitumoral podría aportar información valiosa para personalizar estrategias terapéuticas.
Próximo paso: validación clínica
Pese a los resultados prometedores, los autores subrayan que será necesaria la validación en ensayos clínicos prospectivos antes de que esta tecnología pueda incorporarse de forma rutinaria a la práctica clínica. También reconocen limitaciones actuales, como la incapacidad del flujo de trabajo EM-seq/M-PACT para detectar mutaciones genéticas específicas, algo que hoy se logra mediante secuenciación dirigida.
No obstante, el desarrollo de un clasificador optimizado para metilomas de bajo aporte y baja carga tumoral representa un avance fundamental en la transición desde la clasificación tumoral basada en tejido hacia la biopsia líquida en neurooncología pediátrica.
Si los estudios futuros confirman estos hallazgos, la combinación de inteligencia artificial y análisis epigenético del LCR podría transformar el manejo de los tumores cerebrales infantiles, reduciendo procedimientos invasivos y mejorando tanto el diagnóstico como el seguimiento de una de las enfermedades más complejas en oncología pediátrica.
