Se calcula que el cáncer de próstata es el más común en los hombres estadounidenses. Cada año, solo en ese país se detectan 161.360 nuevos casos (es decir, unos 120 casos por cien mil habitantes).
El cáncer de próstata puede ser una enfermedad grave, pero la mayoría de los hombres diagnosticados con cáncer de próstata no mueren por esta causa. La mayoría sobreviven: se calcula que solo 20 de cada 100.000 mueren por esta enfermedad. Sin embargo, aproximadamente 1 hombre de cada 7 será diagnosticado con cáncer de próstata durante su vida.
Un diagnóstico mejorable
Eso sí, el cáncer de próstata es la segunda causa principal de muertes relacionadas con el cáncer en el mundo occidental. Su diagnóstico se basa en el aumento de los niveles de PSA de proteína sérica (antígeno prostático específico) junto con el examen rectal digital, y se confirma mediante biopsias.
Sin embargo, el PSA y las biopsias a menudo no distinguen entre formas indolentes y las agresivas, lo que lleva a un tratamiento equívoco y a un exceso de operaciones e irradiaciones, que a veces deterioran en gran medida la calidad de vida de un paciente.
El tratamiento consiste, generalmente, en una operación o en irradiación, lo que a veces tiene complicaciones. Sin embargo, no todos los tumores son agresivos, en cuyo caso no hay necesidad urgente de eliminarlo. Determinar si un tumor es agresivo o insignificante es difícil, pero el análisis de Big Data muestra una gran promesa para ayudar en este proceso.
Quitando la subjetividad del médico
Actualmente, los patólogos evalúan las biopsias de los pacientes bajo un microscopio. En estos diagnósticos juega un papel básico el juicio subjetivo y la variabilidad de todo observador.
El procedimiento puede ser a veces lento y, por lo tanto, de bajo rendimiento: hay que tener en cuenta que los hospitales pueden generar cientos o incluso miles de muestras de tejido al día. Además, se espera que este número aumente drásticamente, ya que la Organización Mundial de la Salud pronostica que el número de diagnósticos de cáncer aumentará en un 70% en las próximas dos décadas.
La medicina es uno de los campos en los que más evolución se está experimentando, tanto en las técnicas de diagnóstico como de tratamiento. Algunas de estas novedades conllevan la generación de más datos.
Por ejemplo, las técnicas de imagen permiten varios miles de píxeles por eje, convirtiendo el análisis de imágenes digitales en un problema de big data. Pero la integración de muestras de tejido digitalizadas con el análisis de imagen permite una evaluación objetiva y de alto rendimiento, transformando la patología quirúrgica en una ciencia verdaderamente cuantitativa y basada en datos.
Así, se están desarrollando marcos informáticos para extraer firmas únicas de proteínas a partir de imágenes de tejidos teñidas con inmunohistoquímica (IHC). Los ensayos de IHC proporcionan información significativa con respecto a la heterogeneidad celular y la progresión de la enfermedad, y por lo tanto se utilizan para identificar a los pacientes con mayor probabilidad de responder a la terapia dirigida.
Analizando la radioterapia
Pero, además, las técnicas del Big Data y de su análisis en este campo también se está empleando para permitir a los profesionales sanitarios personalizar el tratamiento de radioterapia y predecir también el riesgo de efectos secundarios.
De hecho, los investigadores han aplicado, por primera vez, el análisis de big data a la información de más de 700 hombres que recibieron radioterapia para tratar su cáncer de próstata. Esto incluyó historial médico, genética, dosis de radioterapia y efectos secundarios informados.
Los investigadores de este estudio utilizaron la inteligencia artificial de última generación para destacar qué información podría predecir la sensibilidad a los efectos secundarios de la radioterapia. En particular, las características genéticas específicas, los SNP (polimorfismos de un solo nucleótido), fueron predictivos de un paciente que sufría hemorragia.
Es verdad que, de momento, no hay forma de ajustar las dosis de radioterapia en función de lo sensible que pueda ser un paciente a los efectos secundarios. Esto significa que, mientras que algunos hombres están recibiendo demasiados y sufren efectos secundarios, a algunos se les da muy poca cantidad de radioterapia, lo que compromete las posibilidades de un tratamiento exitoso.
Los efectos secundarios incluyen disfunción intestinal, urinaria y sexual y pueden ser difíciles de tolerar para los pacientes y pueden persistir después del tratamiento.
Los investigadores sugieren que con mayor validación, esta información podría usarse para crear planes de tratamiento personalizados para pacientes con cáncer de próstata. La técnica también podría aplicarse a muchos otros tipos de cáncer que son tratados con radioterapia.
Evitando efectos secundarios
Cabe señalar que, cuando se aplica la radioterapia, no se sabe a día de hoy qué hombres experimentarán efectos secundarios graves y cuáles no. Esto significa que, por razones de seguridad, la dosis de radiación que se puede administrar debe ser limitada para todos.
Sin embargo, si fuera posible predecir aquellos hombres que tienen más o menos probabilidades de sufrir efectos secundarios, las dosis podrían alterarse en consecuencia, lo que permitiría que los hombres no experimentaran los efectos secundarios para obtener potencialmente una mayor dosis de radiación que mata el cáncer.
Hacia el tratamiento personalizado
Esta capacidad de combinar y analizar grandes cantidades de información diferente al mismo tiempo tiene un enorme potencial para acelerar el análisis de las cantidades masivas de datos genéticos y otros datos de pacientes que ahora se recopilan rutinariamente como parte de los ensayos clínicos y podría ser decisivo para determinar qué tratamientos serán los más adecuados para cada paciente.
Este nuevo enfoque para identificar a los hombres en riesgo de efectos secundarios graves podría resultar extremadamente útil en situaciones clínicas del mundo real, y podría ayudar a los pacientes a decidir entre las diferentes opciones de tratamiento.
Sin embargo, antes de que esto suceda, los resultados deberán probarse más para demostrar que realmente funcionarán tan bien como espera el equipo de investigación.
