El cáncer de mama es el cáncer más frecuente en mujeres a nivel mundial, con 2,3 millones de casos nuevos diagnosticados en 2020. El cáncer de mama receptor hormonal positivo (RH+), receptor 2 del factor de crecimiento epidérmico humano negativo (HER2-) es el subtipo más prevalente y comprende el 69% de todos los cánceres de mama en los EE. UU. En el microambiente inmune tumoral, una mayor intensidad de infiltración por células mieloides y niveles bajos de infiltración linfocítica se han asociado con peores resultados. Los marcadores en sangre periférica han emergido como biomarcadores predictivos que pueden obtenerse fácilmente de forma no invasiva y a bajo costo. Los experimentos han confirmado que los componentes relativos de estas pruebas (como las células inmunes) participan directa o indirectamente en la ocurrencia, el desarrollo y la evasión inmune tumoral, lo que subraya el potencial de los análisis de laboratorio como biomarcadores tumorales.
En el cáncer de mama, el aumento de los niveles de neutrófilos y la disminución de los niveles de linfocitos en sangre periférica se asocian con una peor supervivencia global (SG). En los cánceres de mama metastásicos RH+, HER2-, un índice neutrófilo-linfocito (INL) pretatamiento bajo y un recuento absoluto de linfocitos (RAL) pretatamiento alto se relacionaron con una mejor supervivencia libre de progresión (SLP) y SG. El desarrollo de modelos predictivos basados en algoritmos de aprendizaje automático (AA) se ha utilizado en la pronosticación y en la asistencia al diagnóstico de diferentes tipos de cáncer. Aunque los análisis de laboratorio habituales tienen potencial como biomarcadores del cáncer de mama, aún no existe una prueba única que proporcione sensibilidad o especificidad adecuadas. La inteligencia artificial (IA) podría ayudar a integrar datos de múltiples pruebas para facilitar el diagnóstico. Las mejoras técnicas en capacidad de almacenamiento de datos, potencia de cómputo y mejores algoritmos permiten que el AA procese información clínicamente relevante a partir de datos de laboratorio. La generalizabilidad y estabilidad de los modelos aún deben confirmarse, dadas las limitaciones como la ausencia de varios tipos histológicos, cohortes pequeñas y falta de validación externa. Por lo tanto, un modelo competitivo también es esencial para lograr una estratificación más precisa de los pacientes con cáncer de mama. El objetivo de este estudio retrospectivo multicéntrico es evaluar sistemáticamente la capacidad de los análisis de laboratorio para predecir el cáncer de mama y desarrollar un modelo robusto y generalizable que ayude a identificar a los pacientes con cáncer de mama.
Surgery (mastectomy or quadrantectomy); Neoadjuvant chemotherapy
Buenos Aires, Buenos Aires, Argentina