Investigadores del MIT desarrollan una herramienta pronóstica que identifica pacientes de linfoma de alto riesgo, mejorando las estrategias de tratamiento y potencialmente aumentando la supervivencia tras recaídas tempranas.
El linfoma agresivo de células T es una forma rara y devastadora de cáncer sanguíneo que presenta una tasa de supervivencia a cinco años muy baja. La recurrente aparición de la enfermedad tras el tratamiento inicial complica enormemente la labor de los clínicos para controlar esta patología destructiva.
Un nuevo estudio realizado por investigadores del MIT, en colaboración con el consorcio PETAL del Hospital General de Massachusetts, ha identificado un marcador pronóstico práctico y poderoso que podría ayudar a los médicos a identificar a pacientes de alto riesgo de manera temprana, permitiendo así adaptar las estrategias de tratamiento para mejorar la supervivencia.
Los investigadores descubrieron que aquellos pacientes que experimentan una recaída dentro de los 12 meses posteriores al tratamiento inicial ven drásticamente reducidas sus posibilidades de supervivencia. Para estos pacientes, se sugiere que las terapias dirigidas podrían ofrecer mejores perspectivas en comparación con la quimioterapia tradicional.
Según su análisis, basado en datos recopilados de miles de pacientes alrededor del mundo, este hallazgo es consistente entre los diferentes subgrupos, sin importar el tipo de terapia inicial recibida o su puntuación en un índice pronóstico comúnmente utilizado.
El marco de inferencia causal denominado Synthetic Survival Controls (SSC), desarrollado como parte de la tesis del estudiante graduado Jessy (Xinyi) Han del MIT, fue fundamental para este análisis. Este marco versátil permite responder preguntas complejas sobre “cuándo-si”, estimando cómo cambiarían los resultados bajo diferentes intervenciones, mientras supera las limitaciones asociadas a datos inconsistentes y sesgados.
La identificación de nuevos grupos de riesgo puede guiar a los clínicos en la selección de terapias que mejoren la supervivencia general. Por ejemplo, un médico podría priorizar ensayos clínicos en fase temprana sobre tratamientos convencionales para este grupo específico de pacientes. Según los investigadores, estos resultados también podrían influir en los criterios de inclusión para ciertos ensayos clínicos.
El marco SSC también puede aplicarse a otros ámbitos. Los investigadores del MIT han utilizado este enfoque en áreas como la justicia penal para estudiar cómo factores estructurales influyen en la reincidencia criminal.
"A menudo no solo nos interesa qué sucederá, sino cuándo ocurrirá el evento objetivo. Estos problemas 'cuándo-si' han permanecido bajo el radar durante mucho tiempo, pero son comunes en muchos dominios", explica Devavrat Shah, profesor en Ingeniería Eléctrica y Ciencias Computacionales del MIT y coautor del estudio.
A lo largo de los últimos años, los investigadores han perfeccionado el marco SSC para abordar preguntas complejas relacionadas con eventos específicos utilizando datos disponibles. En su investigación sobre el linfoma nodal maduro de células T, analizaron si un marcador pronóstico particular conducía a peores resultados; dicho marcador es conocido como TTR12 y señala que un paciente ha recaído dentro de los 12 meses posteriores al tratamiento inicial.
A través de su metodología, estimaron cuándo podría fallecer un paciente con TTR12 y cómo sería diferente su trayectoria de supervivencia si no tuviera este marcador pronóstico.
Responder estas preguntas resulta notoriamente complicado debido a sesgos presentes en los datos observacionales disponibles. Además, los datos recopilados internacionalmente presentan desafíos únicos; por ejemplo, un conjunto clínico puede contener información histórica sobre un paciente, pero eventualmente esa persona puede interrumpir el tratamiento, generando registros incompletos.
A pesar de estos obstáculos, el marco Synthetic Survival Control logra superar tales desafíos al combinar información proveniente de múltiples pacientes para estimar resultados sobre la supervivencia. Este método es robusto ante supuestos específicos de modelado, lo que lo hace aplicable en diversas situaciones prácticas.
El análisis reveló que los pacientes con TTR12 tienen consistentemente un riesgo mucho mayor de muerte dentro de cinco años tras el tratamiento inicial comparado con aquellos sin dicho marcador. "Esto indica que la recaída temprana es un pronóstico crucial", afirma Han. "Actúa como señal para que los clínicos consideren terapias personalizadas capaces de superar resistencias".
A medida que avanzan sus investigaciones, planean expandir este análisis incorporando datos genómicos multidimensionales para desarrollar tratamientos personalizados que eviten recaídas dentro del año siguiente al tratamiento inicial.
"Con base en nuestro trabajo, ya existe una herramienta para calcular riesgos utilizada por clínicos. Con más información podríamos enriquecerla aún más", comenta Shah. Además, están aplicando este marco a otras áreas sociales; recientemente presentaron hallazgos sobre diferencias significativas en tasas de reincidencia entre prisioneros según raza y están explorando decisiones relacionadas con compañías aseguradoras.
"Colaborar con expertos es fundamental porque queremos demostrar que nuestros métodos tienen valor real", concluye Han. "Esperamos que estas herramientas tengan un impacto positivo en individuos a lo largo y ancho de nuestra sociedad". Este trabajo ha sido financiado parcialmente por diversas instituciones y organizaciones dedicadas a la investigación oncológica.