Investigadores desarrollan una nueva herramienta computacional para interpretar el significado clínico de las mutaciones del cáncer
Investigadores del Children’s Hospital of Philadelphia (CHOP) han desarrollado una nueva herramienta para ayudar a los investigadores a interpretar la importancia clínica de las mutaciones somáticas en el cáncer. La herramienta, conocida como CancerVar, incorpora marcos de aprendizaje automático para ir más allá de la mera identificación de mutaciones de cáncer somático e interpretar la importancia potencial de esas mutaciones en términos de diagnóstico, pronóstico y orientación del cáncer. Un artículo que describe CancerVar se publicó hoy en Science Advances.
«CancerVar no reemplazará la interpretación humana en un entorno clínico, pero reducirá significativamente el trabajo manual de los revisores humanos para clasificar las variantes identificadas a través de la secuenciación y la redacción de informes clínicos en la práctica de la oncología de precisión», dijo Kai Wang, Ph.D., Profesor de Patología y Medicina de Laboratorio en CHOP y autor principal del artículo. «CancerVar documenta y armoniza en detalle varios tipos de evidencia clínica, incluida información sobre medicamentos, publicaciones y vías para mutaciones somáticas. Al proporcionar resultados estandarizados, reproducibles y precisos para interpretar variantes somáticas, CancerVar puede ayudar a los investigadores y médicos a priorizar las mutaciones de interés».
«La clasificación e interpretación de las variantes somáticas son los pasos que requieren más tiempo del perfil genómico tumoral», dijo Marilyn M. Li, MD, profesora de patología y medicina de laboratorio, directora de diagnóstico genómico del cáncer y coautora del artículo. «CancerVar proporciona una poderosa herramienta que automatiza estos dos pasos críticos. La implementación clínica de esta herramienta mejorará significativamente el tiempo de respuesta de la prueba y la consistencia del rendimiento, haciendo que las pruebas sean más impactantes y asequibles para todos los pacientes pediátricos con cáncer».
El crecimiento de la secuenciación de próxima generación (NGS) y la medicina de precisión ha llevado a la identificación de millones de variantes de cáncer somático. Para comprender mejor si esas mutaciones están relacionadas o afectan el curso clínico de la enfermedad, los investigadores han establecido varias bases de datos que catalogan estas variantes. Sin embargo, esas bases de datos no proporcionaron interpretaciones estandarizadas de las variantes somáticas, por lo que en 2017, la Asociación de Patología Molecular (AMP), la Sociedad Estadounidense de Oncología Clínica (ASCO) y el Colegio de Patólogos Estadounidenses (CAP) propusieron conjuntamente estándares y pautas para interpretar , notificación y puntuación de variantes somáticas.
Sin embargo, incluso con estas pautas, el esquema de clasificación de AMP/ASCO/CAP no especificaba cómo implementar estos estándares, por lo que diferentes bases de conocimiento brindaban resultados diferentes. Para resolver este problema, los investigadores de CHOP, incluido el científico de datos de CHOP y coautor principal del artículo, Yunyun Zhou, Ph.D., desarrollaron CancerVar, una herramienta mejorada de interpretación de variantes somáticas que utiliza un software de línea de comandos llamado Python con un servidor web adjunto. y fácil de usar, CancerVar incluye evidencia clínica de 13 millones de variantes de cáncer somático de 1911 genes del censo de cáncer que se extrajeron a través de estudios y bases de datos existentes.
Además de incluir millones de mutaciones somáticas, ya sea de importancia conocida o no, la herramienta utiliza el aprendizaje profundo para mejorar la interpretación clínica de esas mutaciones. Los usuarios pueden consultar interpretaciones clínicas para variantes utilizando información como la posición del cromosoma o el cambio de proteína y ajustar de forma interactiva cómo se ponderan las características de puntuación específicas, según el conocimiento previo o criterios adicionales especificados por el usuario. El servidor web CancerVar genera interpretaciones descriptivas automatizadas, como si la mutación es relevante para el diagnóstico o el pronóstico o para un ensayo clínico en curso.
«Esta herramienta muestra cómo podemos usar herramientas computacionales para automatizar las pautas generadas por humanos, y también cómo el aprendizaje automático puede guiar la toma de decisiones», dijo Wang. «La investigación futura también debería explorar la aplicación de este marco a otras áreas de la patología».
