MADRID, 10 Ene. (EUROPA PRESS) -
Una colaboración multicéntrica dirigida por investigadores del Sylvester Comprehensive Cancer Center de la Facultad de Medicina Miller de la Universidad de Miami (Estados Unidos) ha producido el primer modelo computacional para el mieloma múltiple recién diagnosticado que predice el pronóstico personalizado de un individuo en función de la genómica y los tratamientos de su tumor.
El modelo de predicción del riesgo individualizado en mieloma múltiple recién diagnosticado, o IRMMa, mejora las herramientas de pronóstico anteriores porque tiene en cuenta la biología de los tumores de los pacientes, tal y como afirma el doctor Ola Landgren, jefe de la División de Mieloma y director del Sylvester Myeloma Institute, autor principal de un artículo que presenta la nueva herramienta en el 'Journal of Clinical Oncology'.
Se trata de un hallazgo importante en muchos cánceres, pero especialmente en el mieloma múltiple, ya que es muy variable. De hecho, los investigadores identificaron 12 subtipos distintos de la enfermedad, una clasificación que no se había hecho antes.
El método original para clasificar el mieloma múltiple, desarrollado en la década de 1970, se basaba en la estadificación de tumores sólidos. Este se centraba en la cantidad de cáncer presente y, con los tratamientos disponibles en ese momento, fue bastante preciso. Pero con las terapias recientemente desarrolladas, especialmente las inmunoterapias, la cantidad de cáncer suele ser menos importante que la naturaleza de las células cancerosas.
Diferentes tipos de mutaciones impulsoras en el genoma del tumor afectan el crecimiento del cáncer, por lo que ciertos subtipos de mieloma podrían tener muy buenos resultados incluso si se diagnostican cuando el cáncer está muy extendido, suponiendo que el tratamiento adecuado sea adecuado para el paciente.
El número de opciones de tratamiento para la enfermedad se ha ampliado drásticamente en las últimas dos décadas y los pacientes viven más tiempo con la enfermedad. Pero con tantas opciones terapéuticas, los médicos necesitan una manera de predecir qué tratamiento funcionará mejor para cada paciente.
Debido a que está construido mediante aprendizaje profundo, IRMMa puede aprender y mejorar a medida que recibe más datos. El modelo está construido de una manera que permite agregar conjuntos de datos emergentes con futuras estrategias de tratamiento. El equipo de investigación ahora está trabajando para incluir conjuntos de datos adicionales de pacientes tratados con terapias más nuevas para el mieloma múltiple basadas en anticuerpos.
Para construir el modelo, los investigadores de Sylvester y sus colaboradores utilizaron datos genéticos, clínicos y de tratamiento de casi 2.000 pacientes recién diagnosticados con mieloma múltiple. A partir de secuencias del ADN de los pacientes, los científicos identificaron por primera vez 90 "genes impulsores", genes que contienen mutaciones en las células cancerosas que parecen estimular el crecimiento del tumor.
Después observaron los tratamientos que recibió cada paciente en su conjunto de datos y cómo les fue a los pacientes con esos tratamientos, haciendo coincidir el resultado del tratamiento con las secuencias genéticas del tumor de un individuo.
El equipo de Sylvester trabajó con científicos del Memorial Sloan Kettering Cancer Center, NYU Langone Health, Moffitt Cancer Center y el Heidelberg University Hospital para recopilar los datos de los pacientes. El modelo está disponible en línea para que cualquiera lo use, aunque su versión actual está dirigida a investigadores más que a médicos. Podría resultar útil para los investigadores que interpretan o diseñan nuevos ensayos clínicos, por ejemplo, para proporcionar un gran conjunto de comparaciones con el tratamiento experimental.
El próximo desafío es seguir alimentándolo con los conjuntos de datos correctos para que, en cierto momento, sea utilizable con fines clínicos. IRMMa también es flexible. El pronóstico de un paciente según el modelo puede cambiar si, por ejemplo, recibe un trasplante después de un tratamiento determinado. Cuando haya nuevas terapias disponibles, siempre que haya datos de al menos unos cientos de pacientes, el modelo se podrá actualizar para incorporar esos tratamientos.
