Un grupo internacional de investigadores, con participación española, ha desarrollado un modelo estadístico capaz de calcular la probabilidad de tener de nuevo cáncer de mama. La herramienta podría mejorar el seguimiento y plantear nuevos tratamientos para los casos con mayor riesgo.
El riesgo de tener cáncer de mama por segunda vez varía en función de los antecedentes personales; es decir, de las características del primer tumor. Estas recaídas dependen de varios factores que están siendo analizados por multitud de expertos.
Ahora, un grupo de científicos de la Universidad de Cambridge (Reino Unido) y la Universidad de Stanford (EE UU), en colaboración con centros de investigación canadienses y españoles como la Universidad de Valladolid (UVa), han creado un modelo estadístico capaz de predecir la reaparición del cáncer de mama en los pacientes.
Oscar Rueda –antiguo estudiante de la UVa y actual científico del Instituto Cambridge de Investigación del Cáncer– ha liderado durante tres años al grupo que ha estudiado el riesgo de recaída y mortalidad en 3.240 pacientes. Los resultados han sido publicados esta semana en la revista Nature.
El equipo tuvo en cuenta los diferentes estados de la enfermedad para el modelo estadístico como, por ejemplo, la distancia entre el nuevo tumor y el tumor original, el tiempo transcurrido desde la cirugía y otros factores que se sabe que influyen en la mortalidad, como la edad y el tamaño del cáncer.
En resumen, clasificaron dos tipos de tumores de mama –cáncer de mama triple negativo y tumores RE+ con un estado de HER2 negativo– en varios subgrupos caracterizados por las alteraciones genéticas que provocan el riesgo y la rapidez de recaída.
Después de analizar a esos más de 3.000 pacientes del Reino Unido y Canadá diagnosticados entre 1977 y 2005, los autores dividieron el grupo de cáncer de mama triple negativo en dos subgrupos: IntClust10 e IntClust4ER-.
Según informa Oscar Rueda a Sinc, “uno de cada tres pacientes con cáncer de mama IntClust10 recae en los cinco primeros años”. Aquellos que superan esos cinco años “tienen un riesgo mínimo de recaída después de ese periodo”.
En cambio, el otro subgrupo IntClust4ER- tienen un riesgo menor a corto plazo, “pero persiste después de esos cinco años”, matiza el investigador.
Con respecto a los tumores RE+ con un estado de HER2 negativo, los científicos también identificaron cuatro subtipos con un alto riesgo de recaída a largo plazo: IntClust1, IntClust2, IntClust6 e IntClust9.
Según los resultados, estos cuatro subtipos registran un riesgo de recaída entre el 47 y 62 % de probabilidad hasta 20 años después del diagnóstico.
“Los cuatro representan alrededor del 26% de los tumores RE+ y la gran mayoría de las recaídas”, comenta a Sinc Christina Curtis, autora principal del estudio e investigadora en la Escuela de Medicina de Stanford.
Cada uno de estos subgrupos se caracteriza por defectos moleculares específicos (alteraciones en genes diferentes), que sirven tanto como biomarcadores y como dianas terapéuticas potencialmente nuevas.
“Cualquier característica del tumor nos puede proporcionar información sobre cómo se encuentra el estado del paciente y cómo va a responder a los tratamientos”, explica Rueda.
Sin embargo, según el investigador español, lo más interesante de estos nuevos grupos es su especificidad, de ahí el concepto de dianas terapéuticas.
“Cada paciente con uno de estos subtipos de cáncer de mama podría ser atendido con tratamientos específicos”, señala Rueda.
“Aunque se necesitan estudios adicionales para trasladar estos hallazgos a la clínica, somos optimistas en cuanto a que pueda conducir a nuevas opciones de tratamiento para los pacientes con cáncer de mama”, subraya Curtis.
Cristina Rueda, catedrática en el Departamento de Estadística de la UVa y partícipe en el diseño de la metodología empleada en este trabajo, señala Sinc que “hay más aspectos que hacen de este estudio pionero”.
Cristina Rueda / Universidad de Valladolid
“Ha sido un desarrollo metodológico muy importante y novedoso. Hemos contribuido en la metodología estadística creada específicamente para el análisis más eficiente de la información”, declara la experta.
Según la investigadora, el modelo incorpora diferentes etapas de la enfermedad, distintas escalas temporales.
Además, agrega información del tumor que permiten predecir la trayectoria de la enfermedad y actualizar los datos a medida que evoluciona el paciente.
“Se pone a disposición de la comunidad científica 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”, concluye.
Referencia bibliográfica:
Rueda, O. et al., “Dynamics of breast-cancer relapse reveal late-recurring ER-positive genomic subgroups”, Nature, marzo de 2019, DOI: 10.1038/s41586-019-1007-8
El grupo Nature publica hoy un paquete de artículos en varias de sus revistas que en conjunto supone un análisis sin precedentes sobre el cáncer y que da un giro a lo que se sabía hasta ahora. Arroja luz incluso sobre cómo prevenir esta patología que, como alertaba la OMS al principio de este año, sigue una trayectoria al alza.
Investigadores de EE UU confirman que los humanos somos capaces de detectar la estructura básica de una frase casi tan rápido como se reconoce una escena visual: en unos 150 milisegundos, es decir, la velocidad de un parpadeo.
