Actualmente, los médicos oncólogos deben basar la selección de tratamientos para el cáncer renal en modelos clínicos muy sencillos y en su propia experiencia. Nuestro objetivo es desarrollar un algoritmo de inteligencia artificial capaz de integrar datos moleculares y clínicos complejos y emitir una predicción de respuesta/resistencia a los diferentes fármacos disponibles para ayudar al médico en la toma de decisiones. Para la fase de "entrenamiento" hemos utilizado los datos clínicos y moleculares de nuestras propias cohortes SUT-REN y GENO-REN (350 casos) y tres bases de datos públicas de ensayos clínicos (CHECKMATE025, IMMOTION151, JAVELIN Renal 101) que incluían estudios utilizando ARNSeq. Aunque aún no se ha completado, los resultados iniciales (presentados en ASCO GU 2022) han logrado una precisión superior al 90%. En este proyecto, diseñaremos un panel personalizado basado en la tecnología Nanostring Hyb & Seq que recogerá las variables biológicas más significativas. Inicialmente, mediante la colaboración de 30 centros nacionales, validaremos prospectivamente el panel y el algoritmo, cuya precisión mejorará con la incorporación de nuevos casos. En una segunda fase, proporcionaremos los resultados de predicción del algoritmo a los centros colaboradores, observando el impacto real en la práctica clínica. De esta manera, desarrollaremos una herramienta escalable (la tecnología Nanostring está ampliamente disponible) que sea relativamente sencilla de implementar y patentable.

Cancer renal
inteligencia artificial
biomarcadores
medicina personalizada

Acción Estratégica en Salud (AES)