Opinión: Cálculo del cáncer
SXC.HU, HISKSCancer es un sistema dinámico y adaptativo que consta de miles de millones de células normales y tumorales que interactúan en múltiples escalas espaciales y temporales. Para muchos oncólogos y biólogos especialistas en cáncer, la complejidad del cáncer parece incomprensible. Por lo tanto, no sorprende que los intentos de desarrollar modelos matemáticos de cáncer y terapias hayan sido típicamente descartados. El cáncer, les parece a algunos, es demasiado complicado de modelar. Pero este sesgo ignora un componente cada vez más mundano de la vida moderna: los pronósticos del tiempo. Mediante el uso de modelos computacionales sofisticados para integrar grandes conjuntos de datos continuamente actualizados y organizados con las leyes fundamentales de la física, los meteorólogos pueden caracterizar sistemas meteorológicos complejos lo suficientemente bien como para predecir con precisión su comportamiento.
En 2008, nuestra institución, Moffitt Cancer Center , evitó la sabiduría convencional y formó el departamento de oncología matemática integrada (IMO). Se espera que los matemáticos aplicados, físicos e informáticos que componen el IMO colaboren con los oncólogos y biólogos oncólogos…
De nuestros esfuerzos ha llegado una conclusión clara: el cáncer es ciertamente complicado y complejo, pero no es incomprensible. Al igual que con sistemas similares, como el clima, es posible predecir el curso de un cáncer en pacientes individuales mediante la aplicación de modelos computacionales sofisticados parametrizados por datos clínicos críticos.
Entonces, ¿cómo pueden los matemáticos mejorar el tratamiento del cáncer? La buena noticia en muchos tipos de cáncer, como el de mama y el mieloma múltiple, es que existe una lista grande y creciente de medicamentos y combinaciones que pueden ser eficaces. La mala noticia es que el cáncer metastásico sigue siendo en gran parte fatal. Cualquier fármaco que destruya las células cancerosas también aplica fuerzas de selección evolutivas que promueven la resistencia. Si bien el desarrollo de medicamentos nuevos y más efectivos sigue siendo el objetivo dominante en oncología, la IMO se ha centrado en temas aparentemente más mundanos como: ¿Deberíamos tratar o no, y si lo hacemos, estamos usando los medicamentos lo mejor que podemos?
Considérese el dilema al que se enfrenta un oncólogo que trata a una paciente con cáncer de mama que puede ser elegible para hasta 20 fármacos quimioterapéuticos potenciales. ¿Cuál es el mejor fármaco o combinación para ese cáncer y paciente? ¿Qué dosis es la óptima? ¿Se deben administrar los medicamentos juntos o en algún intervalo? ¿Debería cambiar la dosis y el intervalo del fármaco con el tiempo? ¿Durante cuánto tiempo se debe administrar el tratamiento? ¿Cuál es la métrica del éxito? Claramente, el espacio de parámetros de tratamiento disponible para este oncólogo es amplio y las opciones prácticamente infinitas. Ahí es donde los modelos matemáticos se vuelven increíblemente útiles. Simular millones de combinaciones de tratamientos en una fracción del tiempo que llevaría hacer un solo experimento significa que podemos ayudar al oncólogo del futuro cercano a tomar decisiones mejor informadas que tienen mayores posibilidades de éxito.
¿Hace esto? significa que los matemáticos y sus modelos reemplazarán a los oncólogos? No. Incluso los modelos de predicción meteorológica están sujetos a revisiones ad hoc por parte de meteorólogos experimentados.
Quizás la última contribución de las matemáticas a la investigación del cáncer sea una nueva forma de ver un viejo problema. Los modelos matemáticos nos permiten ubicar el sistema completo en un marco integrado donde podemos examinar directamente el impacto que tiene cambiar un componente (o varios) en todo el sistema. Esto a menudo conduce a nuevos experimentos que finalmente conducen a una comprensión más profunda del sistema.
Resulta que el cáncer es demasiado complicado para no modelarlo. La falta de integración de modelos matemáticos y computacionales en la biología y la terapia del cáncer, ya sea por ignorancia o arrogancia, inevitablemente limitará nuestro progreso con esta enfermedad. Al igual que los meteorólogos, los oncólogos necesitan usar métodos cuantitativos avanzados para integrar los datos conocidos con los primeros principios evolutivos subyacentes para hacer predicciones sobre el resultado desconocido. Al hacerlo, podemos desarrollar estrategias terapéuticas personalizadas para pacientes con cáncer que son tan dinámicas y adaptables como la enfermedad que están tratando de tratar.
Alexander (Sandy) Anderson es el director del departamento del Programa Integrado de Oncología Matemática en Moffitt Cancer Center. Robert Gatenby es presidente del departamento de Radiología y codirector del Programa de Biología y Evolución del Cáncer en Moffitt Cancer Center.
¿Interesado en leer más?
The Scientist ARCHIVES
Conviértase en miembro de
Reciba acceso completo a más de 35 años de archivos, así como a TS Digest, ediciones digitales de The Scientist, artículos destacados y mucho más. Únase gratis hoy ¿Ya eres miembro? Inicia sesión aquí