Crean ‘gemelos digitales’ de pacientes con cáncer para predecir su respuesta a los tratamientos

64
0
CAMPANAVIHSALUDNOVIEMBRE2
BANNERSPORTALES-INSPECTORCIUDADANOPROTECCIONCIVIL2024_728x90
-_740x901
Capturadepantalla2024-09-02alas154211
Capturadepantalla2024-08-04alas193520
-_728X90
720x90
Capturadepantalla2023-02-13alas213814
Capturadepantalla2023-02-13alas214531
Capturadepantalla2022-09-12alas043937
Capturadepantalla2023-02-13alas215907
Capturadepantalla2023-02-13alas220711
previous arrow
next arrow

Investigadores han demostrado que pueden recrear con precisión ensayos clínicos de nuevos tratamientos utilizando “gemelos digitales” de pacientes reales con cáncer. La tecnología, llamada FarrSight-Twin, que se basa en algoritmos utilizados por astrofísicos para descubrir agujeros negros, se presenta en el 36º Simposio EORTC-NCI-AAC sobre dianas moleculares y terapias contra el cáncer en Barcelona, España.

La investigación es presentada por la doctora Uzma Asghar, cofundadora y directora científica de Concr y médica oncóloga consultora, que actualmente trabaja en The Royal Marsden NHS Foundation Trust de Londres, Reino Unido. Según la misma: “En todo el mundo, gastamos miles de millones de dólares en desarrollar nuevos tratamientos contra el cáncer. Algunos resultarán exitosos, pero la mayoría no”.

Los investigadores afirman que este enfoque podría ser utilizado por los investigadores del cáncer para realizar ensayos clínicos virtuales antes de probar nuevos tratamientos en pacientes. También podría utilizarse junto con los ensayos clínicos con un gemelo digital para cada paciente participante, que juntos podrían formar un grupo de control para cualquier ensayo. En última instancia, podría significar que los pacientes podrían tener diferentes tratamientos probados en su gemelo digital para ayudar a seleccionar el tratamiento más adecuado con anticipación.

“Podemos utilizar gemelos digitales para representar a pacientes individuales, crear cohortes de ensayos clínicos y comparar tratamientos para ver si es probable que tengan éxito antes de probarlos con pacientes reales”. Cada gemelo digital se crea a partir de datos biológicos de miles de pacientes con cáncer que han sido tratados de diferentes maneras. Esta información se combina para recrear el cáncer de un paciente real con datos moleculares sobre su tumor. Este gemelo digital permite predecir cómo es probable que un paciente responda a un tratamiento.

La doctora Asghar y sus colegas utilizaron este enfoque para recrear ensayos clínicos publicados con un gemelo digital que representaba a cada paciente real que participó en el ensayo. En general, los ensayos digitales predijeron con precisión el resultado de los ensayos clínicos reales en todos los estudios clínicos simulados. Pruebas posteriores mostraron que cuando los pacientes recibieron el tratamiento que FarrSight-Twin predijo como el mejor, tuvieron una tasa de respuesta del 75%, en comparación con la respuesta del 53,5% cuando los pacientes recibieron un tratamiento diferente. “Tasa de respuesta” significa la proporción de pacientes cuyos tumores se redujeron después del tratamiento.

Los ensayos que utilizaron en el estudio presentado en el Simposio se realizaron en pacientes con cáncer de mama, páncreas u ovario. Se trataba de ensayos de fase II o III que comparaban dos terapias farmacológicas diferentes, incluidas antraciclinas, taxanos, fármacos a base de platino, capecitabina y tratamientos hormonales.

“Estamos entusiasmados de aplicar este tipo de tecnología simulando ensayos clínicos en diferentes tipos de tumores para predecir la respuesta de los pacientes a diferentes quimioterapias y los resultados son alentadores. Esta tecnología permite a los investigadores simular ensayos con pacientes en una etapa mucho más temprana del desarrollo de un fármaco y volver a ejecutar la simulación varias veces para probar diferentes escenarios y maximizar la probabilidad de éxito”, comenta Asghar.

“Ya se está utilizando para simular pacientes que actúen como controles para comparar el efecto de un nuevo tratamiento con el estándar de atención existente. Actualmente estamos desarrollando esta tecnología para que pueda predecir la respuesta al tratamiento de pacientes individuales en la clínica y ayudar a los médicos a entender qué quimioterapia será útil o no, y este trabajo está en curso”, añade.

Ahora, Asghar y su equipo están probando la tecnología para ver si podría ayudar a predecir qué tratamientos disponibles funcionarán mejor para pacientes con cáncer de mama triple negativo.

Fuente: msn.com

Comentarios