Foto: Sergio F Cara (NotiPress)
El modelado matemático y la inteligencia artificial están transformando la inmunoterapia contra el cáncer, permitiendo desarrollar tratamientos más precisos y personalizados. Un estudio de revisión publicado en Nature Computational Science en 2022 por Zhihui Wang, PhD, profesor de Biología Computacional en Medicina, y Joseph Butner, PhD, instructor de Biología Computacional, sigue siendo un referente en esta evolución. Su análisis aborda las aplicaciones y desafíos de esta tecnología en la medicina personalizada.
A nivel mundial, el cáncer sigue siendo una de las principales causas de muerte. Según la Organización Mundial de la Salud (OMS), en 2020 se registraron aproximadamente 10 millones de fallecimientos por esta enfermedad, representando una de cada seis muertes a nivel global. A pesar de los avances en la investigación, la carga económica y social del cáncer sigue en aumento, lo que subraya la necesidad de estrategias más eficientes.
En este sentido, el Hospital Houston Methodist asegura, la inmunoterapia revolucionó el tratamiento del cáncer con enfoques como los inhibidores de puntos de control inmunitario, la terapia de transferencia celular adoptiva, la vacunación y la terapia con citocinas exógenas. Sin embargo, estas estrategias pueden potenciarse aún más cuando se combinan con tratamientos convencionales como la quimioterapia y la radioterapia. La sinergia entre estos tratamientos permite atacar múltiples vías clave de la enfermedad, mejorando los resultados clínicos.
Actualmente, existen más de 600 medicamentos contra el cáncer aprobados por la Administración de Alimentos y Medicamentos (FDA), incluidos al menos 30 agentes de inmunoterapia. Evaluar todas las combinaciones posibles de estos tratamientos mediante ensayos clínicos es una tarea compleja debido al tiempo y los costos asociados. En este contexto, el modelado matemático y la inteligencia artificial emergen como herramientas esenciales para predecir la efectividad de diversas combinaciones terapéuticas, optimizando los tratamientos de manera más rápida y eficiente.
El impacto de estas innovaciones en la práctica clínica sigue siendo un punto clave de discusión. Al respecto, Butner afirmó: "Si el campo de la modelización va a lograr su objetivo declarado de adopción clínica y mejora de estrategias de tratamiento personalizadas, los modeladores deben reconocer que están diseñando para un cliente: el médico, el paciente o el desarrollador de fármacos de laboratorio húmedo". Además, agregó: "Esperamos que los científicos computacionales sigan esforzándose por lograr más esfuerzos de colaboración con médicos y oncólogos para cerrar esta brecha y aumentar la probabilidad de trasladar su trabajo de modelización a la clínica".
Dicho estudio sugiere que el modelado matemático podría convertirse en una herramienta esencial para la traducción clínica de nuevos fármacos y la optimización de tratamientos personalizados. También menciona que la identificación de biomarcadores y el uso de enfoques de sistemas podrían acelerar el desarrollo de medicamentos y mejorar la efectividad de las estrategias terapéuticas.
Con los avances recientes en inteligencia artificial y biología computacional, la aplicación del modelado matemático en oncología se perfila como una estrategia clave para mejorar los tratamientos contra el cáncer.
DESCARGA LA NOTA SÍGUENOS EN GOOGLE NEWS
