Aprovechar las técnicas de datos masivos para combatir el cáncer infantil
El tratamiento del cáncer infantil plantea diferentes problemas a los profesionales sanitarios. El cáncer infantil es relativamente poco frecuente en comparación con el cáncer en adultos, y las opciones de tratamiento no siempre son tan eficaces como cabría esperar. Ello se debe en parte a que las células cancerosas sufren muchos cambios aleatorios (mutaciones), lo que hace que cada cáncer presente una combinación única de características moleculares. «En consecuencia, las estrategias tradicionales de tratamiento no siempre son eficaces —explica Michelle Kölbl, miembro del proyecto iPC en Technikon (Austria)—. Esta situación da lugar a una falta de terapias específicas, predicciones inexactas del nivel de riesgo, sobretratamiento y una mala calidad de vida para los enfermos jóvenes».
Tratamientos específicos a partir de perfiles moleculares individuales del cáncer
Para abordar este problema, en el proyecto iPC, financiado con fondos europeos, se trató de personalizar las combinaciones de tratamientos al perfil molecular individual de cada cáncer. La idea era aumentar la curación y reducir los efectos secundarios de los tratamientos a corto y largo plazo. En concreto, el equipo del proyecto quería centrarse en las limitadas opciones terapéuticas para niños con cáncer infantil como el hepatoblastoma (HB), una neoplasia maligna que se forma en los tejidos que rodean el hígado. El objetivo eran los enfermos con tumores avanzados. Un aspecto único de las actividades del proyecto consistió en el desarrollo y la aplicación de modelos mecanicistas y de aprendizaje automático para predecir los tratamientos óptimos para cada niño. Para lograr sus objetivos, el proyecto reunió a un equipo multidisciplinar que incluía a profesionales médicos e institutos de investigación, así como a expertos en datos masivos y modelización informática. «Utilizamos nuevos métodos informáticos y experimentales para analizar conjuntos de datos a gran escala —añade Kölbl—. Cuantificamos modelos experimentales y biopsias de pacientes para identificar posibles estrategias terapéuticas que, a continuación, se probaron en modelos celulares y animales». El equipo del proyecto analizó la eficacia de fármacos en enfermos de HB, sobre todo en aquellos con el subtipo agresivo C2 asociado a malos resultados clínicos. El planteamiento se basó en datos de acceso libre.
Integración satisfactoria de tecnologías punteras
En el proyecto se logró demostrar la eficacia del uso de modelos informáticos punteros para combinar de forma sistemática grandes volúmenes de datos. La combinación de modelos mecanicistas, estadísticos y de inteligencia artificial punteros en un marco de paciente virtual posibilitó efectuar análisis moleculares detallados y recomendaciones de tratamiento. «Uno de los principales resultados de esta labor fue la identificación de fármacos en tumores infantiles raros como el HB —comenta Kölbl—. Por ejemplo, ello posibilitó identificar dos inhibidores de la cinasa dependiente de ciclina 9 (CDK9), alvocidib y dinaciclib, como potentes inhibidores del crecimiento del HB en enfermos con el subtipo molecular C2 de alto riesgo». Otros resultados destacados del proyecto incluyen metodologías novedosas para la modelización personalizada del sistema inmunitario, informes exhaustivos automatizados del análisis molecular de tumores y una plataforma en línea segura para el acceso universal a los modelos.
Aplicación de las opciones terapéuticas en el ámbito sanitario
Los próximos pasos incluyen continuar validando estos resultados y examinar cómo trasladar las opciones terapéuticas identificadas al ámbito sanitario. «El marco desarrollado dotará a los profesionales sanitarios de herramientas informáticas para efectuar diagnósticos personalizados y recomendar tratamientos a medida», destaca Kölbl. «A largo plazo, prevemos que este proyecto demuestre la utilidad de los métodos informáticos para identificar tratamientos eficaces para tumores infantiles raros, proporcionando nuevas opciones terapéuticas y, quizá, mejorando los resultados clínicos de los enfermos».
Palabras clave
iPC, cáncer, informático, fármacos, molecular, hepatoblastoma, tumores, datos masivos
