Las predicciones precisas de si es probable que un tumor se propague ayudaría a los médicos y pacientes a elegir el mejor curso de tratamiento. Pero los métodos actuales no alcanzan la precisión necesaria. Una nueva investigación revela que la creación de perfiles de muestras de tumores primarios utilizando tecnologías genómicas puede mejorar la precisión depredicciones de supervivencia del cáncer de mama en comparación con la información clínica sola. El estudio fue publicado en la revista GENÉTICA , una publicación de la Genetics Society of America.
Aunque este método no está listo para su uso en la clínica, el estudio de prueba de principio muestra que las predicciones de supervivencia mejoran cuando incorporan datos completos sobre qué genes están activos en muestras tumorales en comparación con los tejidos no cancerosos del mismo paciente.Esto también es cierto para los datos de metilación de todo el genoma, que mapean las partes del ADN que llevan "etiquetas" moleculares que influyen en la activación del gen. Si se desarrolla para su uso en la clínica, el enfoque podría evitar que algunos pacientes reciban quimioterapia innecesaria.
Después de la cirugía, aproximadamente el 80% de los pacientes con cáncer de seno son tratados con terapias adyuvantes, que incluyen quimioterapia y radioterapia. Estos tratamientos a menudo tienen efectos secundarios graves a largo plazo, que incluyen daño cardíaco, infertilidad, problemas de memoria y un mayor riesgo de desarrollar uncáncer nuevo e independiente. Pero no todos los pacientes necesitan necesariamente terapia adyuvante; se estima que el cáncer de seno recurre o hace metástasis en solo aproximadamente el 40% de los pacientes, lo que sugiere que un número sustancial de pacientes sufre efectos secundarios innecesariamente. Por ahora, el uso generalizado de la terapia adyuvantesigue siendo inevitable porque no podemos predecir qué tumores primarios es probable que hagan metástasis y se vuelvan mortales, y cuáles permanecerán en su lugar.
Hoy, los médicos usan una variedad de información clínica para ayudar a elegir el mejor tratamiento para un paciente individual, incluyendo la edad y el origen étnico del paciente, el tamaño del tumor, el tipo de célula de la que surgió, qué tan avanzado está etapa ypresencia de varios tipos de receptores y otras firmas moleculares en las células tumorales subtipo de cáncer. Para ayudar a refinar las opciones de tratamiento, varias pruebas comerciales estiman el riesgo de recurrencia del cáncer midiendo la actividad expresión de un conjunto de genes que influyen en la progresión del cáncerPor ejemplo, el panel Oncotype DX ampliamente disponible analiza la expresión de 21 genes en muestras tumorales y se recomienda para pacientes con tipos específicos de cáncer de seno.
Pero el cáncer es una enfermedad compleja y su comportamiento probablemente se ve afectado por miles de genes. Los avances en la tecnología genómica significan que ahora es factible medir la expresión de genes tumorales en todo el genoma. Las muestras también se pueden perfilar para una variedad de otros genomasa gran escala, incluida la variación a nivel de ADN p. ej., deleciones o mutaciones y la metilación. Los autores del nuevo estudio examinaron si dichos datos genómicos, ya sea solos o combinados, podrían de hecho mejorar las predicciones de la supervivencia al cáncer de mama.
"En lugar de preseleccionar qué grupo de genes podría predecir mejor la supervivencia, utilizamos datos de todos los genes presentes en la célula cancerosa, aproximadamente 17,000 en nuestro estudio, y dejamos que nuestro modelo computacional seleccione los informativos", dicelíder del estudio, Ana I.Vázquez, de la Michigan State University
Para evaluar su enfoque, Vázquez y sus colegas utilizaron datos de The Cancer Genome Atlas, un proyecto de los Institutos Nacionales de Salud que perfila varios tipos de datos a escala del genoma en miles de muestras de cáncer. Las muestras se corresponden con el tejido normal del mismo individuo, junto con información clínica básica sobre la paciente. El equipo se concentró en muestras primarias de cáncer de mama de 285 pacientes que tenían suficiente información clínica de seguimiento para permitirle al equipo analizar las tasas de supervivencia.
Los autores utilizaron este conjunto de datos para construir modelos computacionales que predicen el resultado de un paciente por ejemplo, supervivencia utilizando diferentes tipos de datos. Compararon el rendimiento de estos modelos mediante validación cruzada. En este método, los datos se dividen aleatoriamente en dos:una parte se usa para construir y ajustar un modelo predictivo, y la otra parte se usa para probar con qué precisión funciona el modelo. Este procedimiento se repite cientos de veces para nuevas divisiones aleatorias de los datos, y los resultados se califican para revelar qué modelohace predicciones más confiables
Esto mostró que los datos de expresión del gen del genoma completo fueron mejores predictores de supervivencia que cualquier fuente de información utilizada actualmente por los médicos, incluida la etapa del cáncer qué tan avanzado está el cáncer y el subtipo molecular por ejemplo, el estado del receptor hormonal.los datos de expresión con los datos clínicos proporcionaron mejores predicciones que todos los predictores clínicos juntos. Los datos de expresión del gen del genoma completo también superaron las predicciones logradas con los genes en el panel Oncotype DX en el subconjunto de pacientes que cumplían los criterios para el panel. Oncotype DXes una prueba bien validada utilizada en la clínica desde 2004.
Los datos de metilación solos también fueron más predictivos que toda la información clínica estándar, y también mejoraron aún más las predicciones cuando se combinaron con los datos clínicos. Finalmente, la combinación de información clínica, expresión del gen del genoma completo y datos de metilación proporcionaron los modelos más predictivos examinados enel estudio.
"En general, podemos concluir que las predicciones siguen mejorando a medida que se agregan datos 'omics'", dice Vázquez. "Esto nos da pistas genómicas prometedoras para futuras aplicaciones en la clínica".
El equipo descubrió que no todos los tipos de información a escala del genoma eran tan predictivos como la expresión génica o los datos de metilación. La precisión de la predicción de los datos clínicos no se vio afectada al agregar perfiles genómicos de microARN, moléculas pequeñas que pueden influir en la expresión génica. Y aunque la precisión eramejorado mediante la combinación de datos clínicos con perfiles genómicos de un tipo particular de cambio de ADN conocido como una variante del número de copias, esta mejora fue mucho menor que las ganancias proporcionadas por la expresión génica o los datos de metilación.
Ninguno de los modelos puede predecir la supervivencia con certeza. Vázquez dice que aunque el método es prometedor, una limitación importante del estudio fue la pequeña cantidad de muestras disponibles para desarrollar los modelos. Para ser aplicado por los médicos, el método necesitaríaser validado utilizando datos de miles de pacientes, en lugar de cientos. Su equipo también está investigando cómo incorporar otros factores en sus modelos, incluidos los regímenes de tratamiento. En última instancia, esto puede ayudar a los médicos y pacientes a combinar el mejor curso de tratamiento con las características individuales decada tumor
Fuente de la historia :
Materiales proporcionados por Sociedad de Genética de América . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :