CMML2AML: descubrimiento por aprendizaje automático de co-mutaciones y mutaciones simples específicas predictivas de transformación blástica en leucemia mielomonocítica crónica

Por qué esto importa para personas con cáncer de la sangre

La leucemia mielomonocítica crónica es un cáncer sanguíneo poco frecuente que puede permanecer estable durante años o cambiar de forma abrupta a una forma agresiva similar a la leucemia aguda. A los médicos les resulta difícil predecir qué pacientes darán ese giro peligroso. Este estudio usa técnicas informáticas modernas para leer patrones en el ADN de la leucemia, con el objetivo de identificar quién tiene mayor riesgo, de modo que las decisiones terapéuticas, incluido el trasplante de progenitores, se puedan programar mejor.

Buscando patrones en un cáncer sanguíneo complejo

La CMML es un cáncer de las células de la médula ósea que producen un exceso de un tipo de glóbulo blanco llamado monocitos. Algunos pacientes viven muchos años con la enfermedad controlada, mientras que otros progresan rápidamente a leucemia mieloide aguda, llamada transformación blástica. Las herramientas de riesgo tradicionales examinan cambios en genes individuales o grupos amplios de alteraciones, pero distintos estudios han discrepado sobre qué mutaciones aisladas son realmente relevantes. Los autores plantearon que el peligro real podría no residir en golpes individuales, sino en combinaciones concretas de cambios génicos que actúan conjuntamente.

Dejar que las máquinas ordenen a los pacientes según señales genéticas ocultas

El equipo estudió a 605 pacientes con CMML del Mayo Clinic y luego comprobó sus hallazgos en 501 pacientes de Italia. Mediante secuenciación de nueva generación, catalogaron mutaciones en 47 genes comúnmente alterados en cánceres sanguíneos. A continuación, construyeron un sistema de aprendizaje automático personalizado para agrupar a los pacientes según qué mutaciones coexistían y cuánto tiempo permanecían libres de transformación blástica. El algoritmo generó muchos árboles de decisión simples, cada uno dividiendo a los pacientes en grupos con patrones de mutación compartidos, y luego fusionó grupos similares según la concordancia de sus curvas de supervivencia.

Cinco grupos genéticos de riesgo, desde muy seguro a muy peligroso

El análisis computacional reveló cinco conglomerados moleculares con probabilidades notablemente diferentes de progresar a leucemia aguda. Un grupo pequeño con alteraciones en un gen llamado PHF6 pero sin cambios en ASXL1 mostró prácticamente ninguna transformación durante varios años, formando un grupo de riesgo ultra bajo. En el extremo opuesto, los pacientes con mutaciones en NPM1, la combinación de NRAS y SETBP1, o la combinación de ASXL1 y BCOR presentaron tasas de transformación extremadamente altas, acercándose al 100 por ciento en tres años. Entre estos polos, otras combinaciones, como ASXL1 con RUNX1 o ASXL1 con TET2, definieron conglomerados de riesgo alto e intermedio, mientras que los pacientes sin estos patrones conformaron un grupo de riesgo bajo más amplio.

Construir una puntuación simple que los médicos puedan usar

Para convertir estos hallazgos en una herramienta práctica, los investigadores combinaron las mutaciones simples y co-mutaciones más potentes en un nuevo sistema de puntuación que denominan CMML2AML. Asignaron puntos según la fuerza con que cada patrón genético se relacionaba con la transformación blástica. La mutación NPM1 recibió el mayor peso, seguida por la combinación NRAS con SETBP1 y por BCOR, con pesos menores para ASXL1 y la pareja ASXL1 más RUNX1. Sumar estos puntos ordenó a los pacientes en cuatro niveles de riesgo, desde bajo hasta alto, siendo el nivel más alto el que enfrentaba casi una de cada dos posibilidades de transformación en un año. Esta misma puntuación funcionó de forma similar en el grupo italiano, lo que respalda su utilidad más amplia.

Una señal de alerta especial: las mutaciones NPM1

Uno de los resultados más llamativos involucró a NPM1, un gen bien conocido en la leucemia aguda. En este estudio de CMML, las mutaciones de NPM1 fueron raras pero muy ominosas. Incluso cuando el porcentaje de blastos inmaduros en sangre y médula aún estaba por debajo de los umbrales estándar para leucemia aguda, los pacientes con alteraciones en NPM1 progresaron a fase blástica y murieron antes que otros. Estos casos a menudo carecían de otras mutaciones de alto riesgo como ASXL1 o RUNX1 y con frecuencia portaban cambios en DNMT3A en su lugar, lo que sugiere que representan un subtipo genético distinto que podría merecer ser tratado como leucemia aguda tan pronto se identifique.

Qué significa esto para los pacientes y su atención

Para las personas con CMML, este trabajo muestra que el patrón de mutaciones, no solo el recuento de blastos o el resultado de un gen aislado, puede moldear de forma contundente el pronóstico. Al identificar combinaciones peligrosas de alteraciones génicas y agruparlas en la puntuación CMML2AML, el estudio ofrece una manera de seleccionar pacientes que pueden necesitar vigilancia más estrecha y una discusión anticipada sobre el trasplante de progenitores, así como a aquellos cuya enfermedad probablemente no se transformará rápidamente. Estos hallazgos deberán confirmarse en grupos adicionales, pero acercan el campo a una orientación más precisa basada en la genética para manejar este complejo cáncer de la sangre.

Cita: Fathima, S., Rokach, L., Yousuf, M. et al. CMML2AML: machine-learning discovery of co-mutations and specific single mutations predictive of blast transformation in chronic myelomonocytic leukemia. Blood Cancer J. 16, 76 (2026). https://doi.org/10.1038/s41408-026-01491-1

Palabras clave: leucemia mielomonocítica crónica, riesgo de transformación blástica, co-mutaciones, genómica por aprendizaje automático, mutación NPM1