Los modelos matemáticos mejorarán las pautas de la quimioterapia
Su principal ventaja frente a los ensayos clínicos radica en la posibilidad de predecir el resultado mediante simulaciones.
Investigadores dirigidos por Paul Newton, profesor de ingeniería mecánica y espacial, medicina y matemáticas en la Universidad del Sur de California, han desarrollado una herramienta para la selección del mejor curso de tratamiento en el cáncer. Se trata de un modelo matemático basado en la técnica de machine learning y que ...
Investigadores dirigidos por Paul Newton, profesor de ingeniería mecánica y espacial, medicina y matemáticas en la Universidad del Sur de California, han desarrollado una herramienta para la selección del mejor curso de tratamiento en el cáncer.
Se trata de un modelo matemático basado en la técnica de machine learning y que utiliza como principal parámetro la tasa de crecimiento del tumor. A diferencia de modelos matemáticos previos, el actual aplica información evolutiva y relativa a procesos celulares. Su aplicación puede reducir el impacto de los efectos adversos relacionados con la quimioterapia y mejorar los resultados de la misma. Newton indica que actualmente los pacientes la reciben con una pauta dirigida a eliminar todas las células cancerosas, típicamente con la dosis máxima tolerada cada 2 o 3 semanas. Alternativamente se usa la dosis baja metronómica, administrada de forma continua.
Con cualquiera de las dos pautas el tumor se reduce al inicio para luego recuperar su tasa de crecimiento, un efecto relacionado con la composición del tumor, en el que después de la quimioetrapia existen diferentes tipos de células tumorales con diferentes tasas de crecimiento. El modelo matemático permite predecir la respuesta a diferentes pautas de quimioterapia teniendo en cuenta esta circunstancia. Los investigadores planean ahora desarrollar modelos específicos para cada paciente.
