Un modelo estadístico que predice el riesgo de recaída en el cáncer de mama

La UVa participa en un estudio internacional que anticipa trayectorias de la enfermedad y alumbra tratamientos más dirigidos

modelo estadístico sobre el cáncer de mama
Cristina Rueda, catedrática de Estadística e Investigación Operativa de la UVa

Existe un subgrupo de pacientes de cáncer de mama con alto riesgo de recaída en los primeros cinco años, pero que permanecen curados si no recaen en este periodo. Esto contrasta con otro subgrupo que mantiene el riesgo de recaída en un periodo más prolongado, hasta veinte años después.

Había evidencias de esta distinción entre pacientes, pero no se ha podido ratificar hasta que no han entrado en juego las matemáticas. A lo largo de tres años de investigación se ha llevado a cabo el proceso de adquisición de datos, el desarrollo del modelo estadístico y la validación con conjuntos de datos independientes, dentro de una labor científica en la que ha participado la Universidad de Valladolid (UVa).

Se trata de un estudio internacional, publicado en ‘Nature’, que ha descrito un nuevo método estadístico para predecir el riesgo de recaída en pacientes de cáncer de mama. Además de España, en el trabajo de investigación han colaborado instituciones del Reino Unido, Estados Unidos y Canadá, como la Facultad de Medicina de Stanford (California) o el King’s College de Londres.

El nuevo modelo estadístico incorpora las diferentes etapas de la enfermedad, distintas escalas temporales y agrega información clínica y molecular del tumor para predecir trayectorias de la enfermedad y alumbrar de este modo tratamientos más precisos y dirigidos a la situación de cada paciente.

El equipo de investigación, coordinado por el vallisoletano Óscar Rueda desde el Cancer Research UK Cambridge Institute (Reino Unido), ha desarrollado dicho modelo a partir de datos clínicos y moleculares de 3.240 pacientes de cáncer de mama. Para ello se ha empleado una técnica estadística denominada análisis de supervivencia, que modela procesos de un suceso desde su origen al final pasando por diferentes estados. En el caso de un tumor se evalúan etapas como la superación de la enfermedad, la reproducción en otros órganos hasta el fallecimiento del individuo.

Automática e individual

La idea es elaborar “una herramienta de libre uso” que esté “a disposición de todo el mundo” de forma online, tal y como señala Cristina Rueda, catedrática de Estadística e Investigación Operativa de la UVa. Además, el modelo se va a poder utilizar de manera individual con cada paciente, lo que posibilitará plantear tratamientos más dirigidos. “La idea es implementar una herramienta automática que permita, introduciendo una serie de datos, obtener las predicciones de una persona en cualquier momento del proceso de la enfermedad”, explica.

“La interpretación de los resultados sí debe ser estadística y para eso también tienen que estar formados los médicos”, advierte. Incluso el enfermo tiene que prepararse para poder recibir el mensaje adecuadamente, ya que “cada predicción tendrá un margen de error y el paciente debería estar entrenado para entenderlo”.

Hoja de ruta

Este modelo es una compleja ecuación matemática que marca, como si fuera un plano, el posible recorrido de un tumor a partir de datos iniciales. En el caso del cáncer de mama, existen tumores que se repiten hasta dos décadas después, por lo que hay una urgente necesidad de anticipar la hoja de ruta del comportamiento de las células cancerosas para mejorar los tratamientos. El nuevo modelo estadístico no solo puede adelantar el recorrido del turmor, sino que estas predicciones pueden ser actualizadas a lo largo del tiempo.

De forma añadida, el equipo científico pone a disposición el mayor conjunto de datos hasta la fecha de cáncer de mama con información molecular, seguimiento a largo plazo y anotación detallada de metástasis y recurrencias, que puede ser útil para el desarrollo de nuevas estrategias oncológicas basadas en en las características moleculares del tumor.

El modelo se ha validado a partir de datos de 3.240 pacientes, incluidos 1.980 con información molecular. También se ha contrastado con otros dos conjuntos de datos externos. Asimismo, el modelo puede adaptarse para analizar datos de problemas diferentes, “lo que lo convierte en un instrumento útil para otros tipos de cáncer o enfermedades; aplicando ciertas modificaciones”, explica Cristina Rueda.

Dejar una respuesta

Please enter your comment!
Please enter your name here