Adnkronos Roma, 13 de octubre (Saludos Adnkronos) – El microbioma intestinal puede predecir el riesgo de desarrollar cáncer colorrectal y podría convertirse en un verdadero indicador temprano de salud, base de pruebas de detección no invasivas y personalizadas. Así lo revela un estudio conjunto entre la Universidad de Bari Aldo Moro, el Departamento Interuniversitario de Física y el Departamento de Ciencias del Suelo, Vegetales y de los Alimentos, la Universidad de Florencia y el Instituto Nacional de Física Nuclear (INFN).
El estudio, parte de un proyecto financiado por el Consejo Nacional de Investigación (NRRP), está coordinado por la profesora Sabina Tangaro, de la Universidad de Bari, y se publicó en Gut Microbes, una revista internacional líder en investigación del microbioma intestinal. El trabajo presenta, según un comunicado de prensa, un enfoque innovador y personalizado para el diagnóstico precoz del cáncer colorrectal, basado en el uso de inteligencia artificial explicable (XAI) para analizar los perfiles microbianos intestinales. Los autores del estudio son físicos, médicos y biólogos que combinaron su experiencia para desarrollar un enfoque innovador y transparente para el diagnóstico precoz.
Partamos de una premisa: el cáncer colorrectal (CCR) es la segunda causa principal de muerte por cáncer en todo el mundo. Para determinarlo, el estándar diagnóstico actual consiste en la colonoscopia, una prueba invasiva con una aceptación limitada. Por lo tanto, es urgente desarrollar métodos alternativos, no invasivos y eficaces para la identificación temprana de las personas en riesgo. El cáncer de colon se desarrolla a través de una secuencia evolutiva bien definida —desde el epitelio sano hasta el adenoma y el carcinoma invasivo—, pero los mecanismos moleculares que subyacen a esta progresión aún se desconocen parcialmente. Un número creciente de estudios sobre el microbioma intestinal sugiere que ciertas especies bacterianas presentes en el intestino podrían desempeñar un papel crucial en la génesis y progresión del cáncer de colon, influyendo en la inflamación, la respuesta inmunitaria y el metabolismo celular.
El estudio, desarrollado por las Universidades de Bari y Florencia junto con el Instituto Nacional de Física Nuclear (INFN), utilizó inteligencia artificial explicable (XAI) para analizar datos de secuenciación genética de muestras fecales de 453 pacientes, con el objetivo de identificar biomarcadores microbianos predictivos de la presencia de adenomas o tumores. El modelo demostró un excelente rendimiento, identificando con precisión a los sujetos en riesgo incluso en un grupo independiente de pacientes italianos, donde alcanzó una tasa de precisión del 89% en la identificación de casos realmente en riesgo, minimizando las falsas alarmas. Gracias al enfoque explicable, también fue posible identificar las especies bacterianas más relevantes, como Fusobacterium y Peptostreptococcus (asociadas con un mayor riesgo) y el grupo Eubacterium eligens (asociado con un menor riesgo).
Además de predecir el riesgo, la inteligencia artificial —detalla el comunicado— ha permitido descubrir conexiones ocultas entre bacterias. Uno de los aspectos más innovadores del estudio fue el uso de los valores de interacción SHAP, que permitieron a los investigadores ir más allá de la identificación de bacterias individuales para analizar las interacciones entre géneros microbianos y su influencia combinada en el riesgo de cáncer. De este modo, el microbioma se interpretó como una red compleja en la que los microorganismos pueden actuar de forma sinérgica o antagónica. El análisis identificó subgrupos de pacientes con adenoma con perfiles bacterianos similares a los observados en pacientes con carcinoma, lo que sugiere la existencia de estados de transición microbianos potencialmente detectables antes de la aparición clínica del tumor.
Específicamente, en estos subgrupos de mayor riesgo, surgieron géneros bacterianos centrales (hubs) que parecen desempeñar un papel clave en la red microbiana: en algunos casos, Peptostreptococcus fue el nodo más conectado, con fuertes interacciones con Fusobacterium, Parvimonas y Porphyromonas; en otros, el centro de la red estaba dominado por Fusobacterium, con contribuciones de otros géneros como Lachnospiraceae UCG-010. Estas configuraciones microbianas recurrentes, en lugar de la presencia aislada de bacterias individuales, parecen estar asociadas con los perfiles de mayor riesgo, allanando el camino para una evaluación de riesgos basada en la dinámica del ecosistema microbiano en lugar de marcadores individuales. Gracias a la adopción de inteligencia artificial explicable, este trabajo ofrece un modelo predictivo que no solo es efectivo, sino también transparente e interpretable, lo que fomenta su posible integración en la práctica clínica para mejorar la prevención personalizada del cáncer colorrectal.
«Este estudio nos enseña que no basta con saber qué bacterias están presentes: necesitamos comprender cómo se influyen entre sí. Es la red microbiana la que marca la diferencia», explican Sabina Tangaro, coordinadora del proyecto, y Amedeo Amedei (Universidad de Florencia). «XAI nos permite comprender el microbioma como un sistema complejo, pero con herramientas al alcance de los médicos».