El progreso clínico adenoma - carcinoma representa un marco bien establecido para comprender el desarrollo del cáncer colorrectal (CRC), aunque los mecanismos moleculares subyacentes a esta transición permanecen solo parcialmente comprendidos. Crecientes evidencias sugieren que la microbiota intestinal (GM) es un modulador clave de la carcinogénesis colorrectal, posicionando el perfiles microbianos como una vía prometedora para la estratificación del riesgo no invasiva y la detección temprana. En este estudio, clasificadores de Aprendizaje Automático (ML) integrados con técnicas de Inteligencia Artificial Explicable (XAI) se emplearon para identificar biomarcadores derivados de la microbiota predictivos del CRC y lesiones adenomatosas. Los modelos fueron entrenados en datos de secuenciación de 16S rRNA de 453 pacientes y evaluados mediante validación cruzada, logrando puntuaciones AU-ROC y AU-PRC de 0,71 y 0,67 respectivamente.
La validación externa en una cohorte italiana independiente (n=43) arrojó puntuaciones AU-ROC y AU-PRC de 0,70 y 0,89 respectivamente. La interpretación basada en XAI reveló firmas microbianas consistentes a través de los conjuntos de datos. En detalle, taxones pertenecientes a las generaciones Fusobacterium y Peptostreptococcus se asociaron con un mayor riesgo de CRC, mientras que el grupo Eubacterium eligens fue identificado como un robusto predictor negativo. Más allá de la clasificación, las explicaciones a nivel de paciente facilitadas por XAI permitieron la identificación de subgrupos adenomatosos exhibiendo perfiles microbianos convergentes hacia los del CRC, sugiriendo la presencia de estados microbianos transicionales.
Además, las redes interactivas basadas en SHAP revelaron hubs microbianos y dependencias entre especies caracterizando configuraciones de alto riesgo, proporcionando insights sobre la dinámica ecológica de la tumorigénesis colorrectal.
Estos hallazgos demuestran el valor añadido de XAI en elucidar las interacciones microbianas, mejorar la interpretabilidad del modelo y respaldar hipótesis biológicamente informadas. Este marco integrativo y explicable destaca el potencial del análisis microbiota impulsado por IA en oncología personalizada y avanza en el desarrollo de herramientas no invasivas e interpretables para la predicción y gestión del riesgo de CRC.
Inicia sesión o regístrate para acceder al texto completo
¡Aún no hay comentarios. Sé el primero en comentar!