Un modelo matemático ayuda a la terapia del cáncer de mama más agresivo con robots biomédicos
ASTURIAS
Una investigación de la Universidad de Oviedo ayuda a afinar el diagnóstico y el tratamient de los tumores denominados «triplemente negativos»
22 ene 2019 . Actualizado a las 14:25 h.Matemáticas y Medicina caminan de la mano en el diganóstico y el tratamiento del cáncer de mama. El grupo de Problemas Inversos, Optimización y Aprendizaje Automático de la Universidad de Oviedo, en colaboración con personal médico del servicio de Anatomía Patológica y personal investigador de la Universidad de Berna, ha logrado obtener un gran avance en la predicción del grado histológico y de la metástasis ganglionar de los cánceres de mama triplemente negativos mediante el uso de una base de datos clínicos y patológicos de 102 mujeres diagnosticadas con esa patología en el Hospital Universitario Central de Asturias (HUCA). «Este tipo de métodos permitiría el diseño y uso de robots biomédicos que facilitarían el diagnóstico, ayudando a los médicos y aligerando el proceso», afirma el profesor Juan Luis Fernández-Martínez.
Estos cánceres, muy agresivos, se caracterizan por ser triplemente negativos, lo que quiere decir que el crecimiento del tumor no está estimulado por receptores de estrógeno, receptores de progesterona y el receptor de factor de crecimiento epidérmico, y por tanto estos cánceres no responden, por ejemplo, a tratamientos como la hormonoterapia. Más de uno de cada 10 cánceres de mama son triplemente negativos.
Los modelos
Este estudio, publicado en la revista Journal of Medical Informatics and Decision Making, desarrolla varios modelos matemáticos, basados en técnicas de inteligencia artificial desarrolladas en el Grupo de Problemas Inversos, para predecir el grado histológico y el desarrollo de metástasis, a la hora del diagnóstico. El estudio del grado histológico, que realizan los médicos patólogos, posee una gran importancia para determinar cuál es el protocolo de tratamiento adecuado, ya que diferencia entre las células del tumor y las sanas de un mismo tejido y ve la posible velocidad de su desarrollo.
Ana Cernea, Enrique de Andrés y Juan Luis Fernández-Martínez, del equipo de Problemas Inversos, consiguieron predecir el grado histológico con un 94% de exactitud, utilizando solamente seis variables de pronóstico, dos de las cuales son el consumo de anticonceptivos orales y a la talla del tumor. Las otras cuatro son variables inmuno-histoquímicas utilizadas por los patólogos. El consumo nulo de anticonceptivos orales se asocia a un mejor pronóstico. La edad a la hora del diagnóstico también aparece como un factor clave. En el caso de la metástasis ganglionar, las variables más importantes son las invasiones vascular y perineural, la talla del tumor, la edad y la historia familiar. Ambos problemas de predicción parecen estar conectados.
Valoraciones
«Este tipo de métodos permitiría el diseño y uso de robots biomédicos que facilitarían el diagnóstico, ayudando a los médicos y aligerando el proceso», afirma el profesor Fernández-Martínez. Cree que estas técnicas en medicina «han llegado para quedarse», ya que son capaces «de mejorar el diagnóstico de cualquier especialista, dado que estos métodos capturan relaciones implícitas que la mente humana no puede captar». Además, considera necesario «que los métodos sean transparentes y proporcionen a los médicos indicaciones claras sobre que criterios se están manejando».
Estos robots se pueden ir actualizando con el tiempo, según se diagnostican nuevos pacientes, por lo que, de algún modo, los antiguos pacientes ayudan a pacientes futuros en la búsqueda de soluciones. Con la tecnología actual, es posible utilizar datos simultáneamente de varios hospitales, lo cual mejora la gestión, minimiza los costos, mejora la atención al paciente, se facilita la medicina preventiva y se minimiza la toma de decisiones erróneas. En Estados Unidos a este último epígrafe se le denomina «política de cero héroes». «El futuro ya está aquí. Quien controle los datos, tendrá gran parte del saber», concluye Fernández-Martínez.