Está más que demostrado que la lucha contra el cáncer requiere de un trabajo multidisciplinar. Una única disciplina no podría deshilvanar las complejidades, complicaciones e incertidumbres de la que es la segunda causa de muerte en España, responsable del 27,8 por ciento de los fallecimientos, solo superada por las enfermedades cardiovasculares.
Es usual conocer los avances que en esta lucha se realizan desde el ámbito más puramente médico o el farmacológico, cuyos resultados se encuentran más cercanos al mal del paciente. Sin embargo para llegar a ellos intervienen muchas otras disciplinas que van plantando sus semillas para que pueda germinar el éxito colectivo. Un claro ejemplo de esta esencial y desapercibida investigación puede apreciarse en el Laboratorio de Oncología Matemática (MOLAB), del Instituto de Matemática Aplicada a la Ciencia y la Ingeniería de la UCLM. Desde su especialidad, este laboratorio con una veintena de investigadores suma ya doce años de trabajo desarrollando proyectos relacionados con numerosas patologías, como tumores hematológicos, cáncer de pulmón, mama, cabeza y cuello, y gliomas de bajo y alto grado.
En el MOLAB desarrolla su tesis doctoral la joven murciana Carmen Ortega Sabater, bajo la supervisión de Gabriel Fernández Calvo y Víctor Pérez García. Desde 2019 profundiza en la ‘Dinámica evolutiva aplicada a la optimización de tratamientos de glioblastoma’, una investigación que consiguió viabilidad gracias a una beca predoctoral de la Asociación contra el Cáncer de Ciudad Real. “Estamos muy agradecidos a la AECC por apostar por nuestro proyecto y visibilizar el rol que las matemáticas tienen en la investigación biomédica y, en este caso, en la investigación sobre el cáncer”.
Como explica Ortega, el origen de este trabajo se encuentra en un trabajo previo del MOLAB en el que se observó que el crecimiento de varios tipos de tumores se aceleraba en el tiempo de forma muy rápida, explosiva, y las explicaciones biológicas más convencionales no terminaban de justificar los fenómenos observados.
Carmen Ortega, graduada en Biología en la Universidad de Murcia, comenzó a interesarse por la relación entre matemáticas y salud cuando un tutor de prácticas le descubrió el trabajo del MOLAB durante el final de sus estudios y “gracias al curso de verano de iniciación de oncología matemática que ofertan en el grupo descubrí que me apetecía mucho intentar continuar con mis estudios de doctorado allí”.
Para la joven doctoranda “las matemáticas son una herramienta muy potente y tienen mucho que decir en biomedicina. Los modelos matemáticos permiten formular muchas hipótesis y estimar los resultados mediante simulaciones, acortando el tiempo de espera hasta que los resultados llegan al paciente”.
Conocer la evolución del tumor
Como explica Ortega, “estamos muy interesados en el comportamiento del tumor (el fenotipo), en intentar descifrar por qué se comporta así y cuáles son los mecanismos biológicos que subyacen”. En concreto, hasta ahora se han centrado en la proliferación celular, porque la proliferación “descontrolada” es uno de los rasgos principales del cáncer. De la misma forma que hay diferencias entre pacientes, incluso tratándose del mismo tipo de tumor, también las hay de forma natural entre las células que conforman el propio tumor. “Nos interesa saber cómo esa variabilidad influye en el transcurso de la enfermedad. Esta es la vertiente más básica de la investigación”.
En definitiva, el objetivo del grupo es utilizar este conocimiento para desarrollar herramientas que puedan ser útiles en la clínica y mejorar en última instancia la calidad de vida de los pacientes. “Un ejemplo es el trabajo que publicamos en febrero de 2021, en el que describimos un biomarcador de imagen que permitiría, tras su diagnóstico, clasificar a los pacientes con tumores de cáncer de mama y pulmón en función de su pronóstico usando imagen PET”, explica Carmen Ortega. Link a la publicación del MOLAB.
¿En qué punto se encuentra la investigación? “Esta pregunta es difícil de responder porque en ciencia a veces es difícil saber de antemano a dónde te va a llevar el trabajo que haces”, afirma Carmen, que indica que por el momento se ha trabajado en la parte más teórica y ya se encuentran inmersos en la realización de experimentos para validar los resultados de los modelos. Los siguientes pasos están más relacionados con la aplicación de estos resultados al tratamiento de los tumores.
MOLAB
En el MOLAB hay un abanico muy amplio de proyectos activos, abarcando un gran número de patologías dentro del cáncer, porque, como explica la investigadora, “el cáncer es en realidad un conjunto de enfermedades y algunas otras que no tienen directamente que ver con él”. Por ejemplo un trabajo reciente está relacionado con tumores mamarios y pulmonares, desarrollado principalmente por Jesús Bosque y Juan Jiménez. En esta investigación el objetivo es validar el biomarcador anteriormente citado en otros tipos de cáncer y en otras cohortes de pacientes. Tras su validación, se podría convertir en una herramienta más, con valor pronóstico, a disposición del oncólogo en la toma de decisiones terapéuticas.
En concreto sobre la dinámica evolutiva en la que ahonda Carmen, “nos interesan los gliomas y, concretamente el glioblastoma, porque es un tumor muy particular, muy heterogéneo y cuyo tratamiento aún es complicado”. En esta patología no se han implementado grandes novedades en su tratamiento desde 2005 y desde el MOLAB se están estudiando procesos celulares básicos y, con suerte, los resultados podrían ser aplicables a otros tipos de cáncer. “Todo esto requiere evidencia experimental que lo sustente y en ello estamos trabajando actualmente”, subraya la investigadora.
“En general intentamos responder a un problema que los médicos nos plantean o que extraemos de los datos experimentales o clínicos con los que trabajamos, por lo que intentamos que todo esté bastante conectado con la realidad de los pacientes. Desafortunadamente, el paso desde el trabajo experimental o la modelización al paciente no siempre es inmediato”, explica Carmen, que añade que “por otro lado algunos de los trabajos tienen una aplicación directa, como el biomarcador de imagen médica que se basa en medir la distancia entre el centro geométrico del tumor y el punto de máxima actividad del mismo. Aquellos pacientes con una mayor distancia, es decir, en los que el punto de máxima actividad se encontraba más hacia el borde del tumor, presentaron un peor pronóstico de la enfermedad. Tras su validación en cohortes más grandes, sería posible usarlo para anticipar el curso de la enfermedad del paciente”.
En este sentido resaltan que trabajan de forma muy estrecha con numerosos hospitales y laboratorios nacionales e internacionales, que les proporcionan los datos y sin cuya ayuda esta labor sería mucho más difícil. En concreto, el trabajo del biomarcador de imagen se elaboró en colaboración con el HGU de Albacete y el HGU de Ciudad Real, mano a mano con la Dra. Ana García-Vicente y el Dr. Antonio Honguero.
Modelización matemática
La investigadora apunta que usar la modelización matemática y realizar simulaciones permite probar hipótesis in silico (en el ordenador), filtrarlas y llevar a la práctica, al laboratorio, solo aquellas que pueden ser relevantes. De forma análoga, se pueden realizar ensayos clínicos virtuales y tratar de anticipar, por ejemplo, cómo funcionaría un tratamiento o un esquema de tratamiento, distinto a los que se administran en la actualidad. En definitiva, la principal ventaja es acortar el tiempo de espera hasta que los resultados llegan a los pacientes. Como subraya Carmen, “en algunas ocasiones se alcanzan resultados que pueden ser aplicados de forma directa y los modelos matemáticos son una herramienta más en la investigación contra el cáncer”.
Se avanza, pero queda mucho más por hacer. “A menudo a medida que la ciencia avanza, se encuentran más preguntas que respuestas y constantemente se abren nuevas puertas en las que poder seguir trabajando, tanto en el aspecto básico, para conocer qué factores llevan al tumor a un determinado comportamiento, como en la descripción de nuevos marcadores clínicos”.
