Inmunoterapia y matemáticas, mancuerna contra el cáncer
La inmunoterapia activa el sistema inmunológico de los pacientes para reconocer y atacar la neoplasia, lo que genera menos efectos secundarios que la quimioterapia, la radiación y otras terapias. Si bien esta tecnología es un avance significativo en la lucha contra el cáncer, sólo funciona con algunos tipos de cáncer y sólo en un subconjunto de pacientes.
El modelo matemático utiliza un sistema de ecuaciones basado en leyes de la física y la química para describir los complejos sistemas biológicos involucrados en el tratamiento de inmunoterapia y la respuesta inmune asociada.
A menudo, los actores o procesos importantes involucrados en la terapia del cáncer no se pueden medir en los pacientes. El Dr. Zhihui Wang y sus colaboradores han diseñado este modelo para predecir la fuerza de la respuesta inmune utilizando únicamente datos que ya se han medido previamente en pacientes con cáncer.
El modelo establece un marco para diseñar estrategias de tratamiento individual en un paso hacia el futuro de la medicina personalizada.
“Estos resultados demuestran evidencia convincente de que el modelo y sus parámetros pueden ser ampliamente aplicables a muchas combinaciones de cáncer e inmunoterapia”, afirma el investigador del Hospital Houston Methodist.
Para probar la capacidad de su modelo para caracterizar de manera precisa y confiable la fuerza específica de un tipo de cáncer para un tratamiento de inmunoterapia específico, obtuvieron datos de tomografía computarizada o resonancia magnética de tumores antes, durante y después de la inmunoterapia en 124 pacientes tratados con inmunoterapia.
Se analizaron los datos utilizando el modelo para obtener medidas numéricas específicas de la respuesta terapéutica. Estos resultados se validaron aún más con datos de 177 pacientes adicionales tratados con una de las inmunoterapias inhibidoras de puntos de control más comunes.
El modelo matemático se puede implementar de forma inmediata, sin necesidad de nuevas tecnologías, personal o formación extensiva. Además, se están investigando métodos para utilizar otras medidas clínicas para mejorar la exactitud y precisión de las predicciones basadas en modelos, como los datos de muestras de sangre o biopsias de tumores.
