Desarrollan método matemático para predecir el cáncer y la eficacia de la inmunoterapia

La inmunoterapia, activa el sistema inmunológico de los pacientes con el objetivo de reconocer y atacar las células cancerígenas, lo que genera una alta tasa de muerte, menos efectos secundarios que la quimioterapia, radiación u otras terapias.

Si bien, esta tecnología es un avance significativo en la lucha contra el cáncer, solo funciona con algunos tipos de cáncer y en un subconjunto de pacientes que lo padecen.

Lee también: Desarrollan IA que podría predecir qué mujeres padecerán cáncer de mama

Investigadores del Hospital Houston Methodist en colaboración con científicos del MD Anderson Cancer Center desarrollaron un modelo matemático que utiliza un sistema de ecuaciones basadas en las leyes de la física y la química para describir los complejos sistemas biológicos involucrados en el tratamiento de la inmunoterapia y su respuesta asociada.

El modelo establece un marco de tratamiento individual, marcando un gran paso hacia el futuro de la medicina personalizada.

El estudio, publicado en la revista Nature Biomedical Engineering, indica que para probar su capacidad obtuvieron datos de tomografías computarizadas o resonancias magnéticas del antes y después de tumores, en 124 pacientes tratados con inmunoterapia.

Lee también: ¿El COVID-19 afecta la fertilidad masculina? Expertos llaman a la precaución frente a un nuevo estudio

Los resultados obtenidos presentan dos medidas derivadas que cuantifican la presencia y la salud de la presencia inmune del tumor, y la tasa de destrucción de las células cancerosas resultante por células inmunes activas por inmunoterapia, se pudieron combinar en una sola medida y esto está altamente relacionado con la carga tumoral a largo plazo proporcionado una puntuación numérica única.

Autores indican que el modelo matemático se puede implementar de inmediato en la clínica, sin necesidad de nuevas tecnologías, personal o capacitación extensa. Además, se encuentran investigando nuevos métodos para utilizarlos en otras medidas clínicas, con el objetivo de mejorar la exactitud y precisión de las predicciones basadas en modelos, como los datos de muestras de sangre o biopsias de tumores.