Desarrollo de una firma molecular asistida por aprendizaje automático para el diagnóstico de cáncer de tiroides

/ FITS / Fits
  • Proyecto: Desarrollo de una firma molecular asistida por aprendizaje automático para el diagnóstico de cáncer de tiroides
  • Ámbito de aplicación: Salud
  • Dirección: Juan Pablo Nicola – Facultad de Ciencias Químicas – Universidad Nacional de Córdoba
  • Fondos asignados: $10 millones de pesos
  • Adoptante: Cuvertino Estudios Ecográficos
  • Área de conocimiento: Área de Ciencias Naturales, Exactas y Tecnológicas
  • Grupo de trabajo: Investigadores/as: Dra. Victoria Peyret, Dra. Romina Geysels, Dra. Laura Fozzatti. Consultora académica: Dra. Ana María Masini-Repiso. Becarios doctorales: Lic. Sofía Savy, Lic. Natalia  Muñoz, Lic. Gerardo Carro, Bioq. Francisco Montes, Lic Franco Aguilera
El “Fondo para la Innovación Tecnológica y Social de la UNC” (FITS) es esquema de financiamiento de la Secretaría de Innovación y Vinculación Tecnológica de la UNC, diseñado para promover la vinculación de actores del sistema científico-académico con la sociedad y el ecosistema emprendedor. La convocatoria 2025 distribuyó 82 millones de pesos entre los cinco proyectos de investigación aplicada que resultaron seleccionados entre las 52 iniciativas postuladas.

En Argentina se detectan anualmente cerca de 4200 casos de cáncer de tiroides. Su diagnóstico se realiza mediante una ecografía de la glándula, pero ante la sospecha se procede con una biopsia. Este procedimiento, sin embargo, presenta ciertas limitaciones: entre un 20 % y un 30 % de los nódulos son clasificados como “indeterminados”.

Cuando esto ocurre, el siguiente paso es la extirpación total o parcial de la glándula tiroides (tiroidectomía). En el país esta práctica es necesaria con aproximadamente 12 mil pacientes cada año. En ocho de cada diez de esas intervenciones, el nódulo resulta benigno, por cuanto este procedimiento quirúrgico habría sido innecesario de existir una manera alternativa de realizar esta verificación.

Cabe recordar que la tiroidectomía no sólo conlleva riesgos quirúrgicos, sino que deja a la persona sin una glándula fundamental en la homeostasis del organismo y obliga a preservar la función tiroidea con terapia de reemplazo hormonal de por vida.

Este proyecto propone desarrollar una firma molecular basada en perfiles diferenciales de expresión génica asistida por aprendizaje automático, que permita inferir el diagnóstico de cáncer de tiroides. La finalidad es brindar una opción diagnóstica con impacto directo en el manejo y atención del paciente sospechado de la enfermedad. La meta, en última instancia, es reducir la necesidad de tiroidectomías.

Este proyecto es continuación de una investigación básica orientada a caracterizar la vía de señalización gatillada por la activación del receptor TLR4 en cáncer de tiroides.

Financiamientos anteriores permitieron la secuenciación del ARN de tres biopsias de nódulos tiroideos, lo que confirmó la factibilidad técnica de la estrategia experimental planteada. Con el aporte económico del FITS 2025 se prevé completar la secuenciación de otras 49 muestras, que serán aportadas por el Centro de Estudios Ecográficos Cuvertino y son necesarias para garantizar el tamaño muestral según parámetros estadísticos. 

A largo plazo, el objetivo es implementar este abordaje como un servicio innovador, optimizado y validado de diagnóstico molecular, económicamente accesible para complementar la evaluación citológica del nódulo tiroideo. En esa línea, se proyecta su transferencia al Centro de Estudios Ecográficos Cuvertino, para su aplicación en la práctica clínica.