{"id":50354,"date":"2024-11-13T11:13:40","date_gmt":"2024-11-13T17:13:40","guid":{"rendered":"https:\/\/saluddigital.com\/?p=50354"},"modified":"2025-10-18T00:17:42","modified_gmt":"2025-10-18T06:17:42","slug":"herramienta-computacional-promete-predecir-resultados-de-inmunoterapia-en-cancer-de-mama-metastasico","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/herramienta-computacional-promete-predecir-resultados-de-inmunoterapia-en-cancer-de-mama-metastasico\/","title":{"rendered":"Herramienta computacional promete predecir resultados de inmunoterapia en c\u00e1ncer de mama metast\u00e1sico"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Un modelo desarrollado por cient\u00edficos de Johns Hopkins podr\u00eda optimizar los tratamientos en pacientes con c\u00e1ncer de mama metast\u00e1sico triple negativo.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Investigadores del Centro de C\u00e1ncer Kimmel de Johns Hopkins y la Escuela de Medicina de la Universidad Johns Hopkins han creado una herramienta computacional que puede predecir qu\u00e9 pacientes con c\u00e1ncer de mama metast\u00e1sico responder\u00e1n a la inmunoterapia. Esta herramienta utiliza un modelo avanzado para identificar biomarcadores que indiquen la efectividad de la inmunoterapia en cada paciente. El estudio, publicado en Proceedings of the National Academy of Sciences<\/em><\/a>, representa un avance importante en el tratamiento personalizado de esta forma agresiva de c\u00e1ncer.<\/p>

La inmunoterapia busca fortalecer el sistema inmunol\u00f3gico del paciente para atacar las c\u00e9lulas cancerosas, pero su eficacia var\u00eda entre los pacientes, seg\u00fan explic\u00f3 el Dr. Theinmozhi Arulraj, autor principal del estudio. De esta forma, identificar a los pacientes que podr\u00edan beneficiarse es crucial, ya que estos tratamientos pueden tener efectos secundarios significativos.<\/p>

El equipo de investigaci\u00f3n utiliz\u00f3 un modelo matem\u00e1tico llamado \u201cfarmacolog\u00eda de sistemas cuantitativos\u201d o cuantitative systems pharmacology<\/em> para crear 1,635 \u201cpacientes virtuales\u201d con c\u00e1ncer de mama metast\u00e1sico triple negativo y simular sus respuestas al medicamento pembrolizumab. Posteriormente, aplicaron herramientas computacionales avanzadas, incluyendo enfoques estad\u00edsticos y de machine learning, para identificar biomarcadores para la predicci\u00f3n de la respuesta al tratamiento.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"predecir\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Al analizar los datos generados, los investigadores evaluaron 90 biomarcadores, tanto individuales como en combinaciones, para predecir los resultados del tratamiento. Hallaron que los biomarcadores tomados despu\u00e9s de iniciar el tratamiento, conocidos como \u201cbiomarcadores en tratamiento\u201d, son m\u00e1s efectivos para anticipar los resultados de la inmunoterapia en comparaci\u00f3n con los biomarcadores previos al tratamiento. Adem\u00e1s, algunos marcadores sangu\u00edneos, que no requieren biopsias invasivas, mostraron un rendimiento similar al de biomarcadores de tejidos tumorales.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Utilizando estos biomarcadores no invasivos, el equipo realiz\u00f3 un \u201censayo cl\u00ednico virtual\u201d y demostr\u00f3 que los pacientes seleccionados seg\u00fan los cambios en el di\u00e1metro tumoral, medidos mediante tomograf\u00edas computarizadas a las dos semanas del tratamiento, ten\u00edan una tasa de respuesta superior al doble de la tasa promedio, de 11% a 25%.<\/p>

\u201cLos biomarcadores predictivos son fundamentales para desarrollar estrategias optimizadas contra el c\u00e1ncer de mama triple negativo, a fin de evitar el tratamiento excesivo en pacientes que se espera que evolucionen bien sin inmunoterapia y el tratamiento insuficiente en las que no responden bien a la inmunoterapia\u201d, indic\u00f3 el coautor del estudio, el Dr. C\u00e9sar Santa-Mar\u00eda, profesor asociado de oncolog\u00eda y onc\u00f3logo m\u00e9dico especialista en mama del Centro Oncol\u00f3gico Kimmel.<\/p>

La herramienta computacional desarrollada por los investigadores de Johns Hopkins ofrece una prometedora v\u00eda para personalizar la inmunoterapia en pacientes con c\u00e1ncer de mama metast\u00e1sico triple negativo, reduciendo la posibilidad de tratamientos innecesarios y potencializando los beneficios en quienes m\u00e1s podr\u00edan responder. Esta tecnolog\u00eda podr\u00eda marcar un hito para futuros estudios cl\u00ednicos y extenderse a otros tipos de c\u00e1ncer, optimizando as\u00ed la precisi\u00f3n y efectividad de la inmunoterapia en oncolog\u00eda.<\/p>

\u201cLas complejidades del microambiente tumoral hacen que el descubrimiento de biomarcadores en la cl\u00ednica sea un reto, pero las tecnolog\u00edas que aprovechan el modelado in-silico tienen el potencial de capturar tales complejidades y ayudar en la selecci\u00f3n de pacientes para la terapia\u201d, concluy\u00f3 el Dr. Santa-Mar\u00eda.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

HOPKINS MEDICINE<\/strong><\/p>

https:\/\/www.hopkinsmedicine.org\/news\/newsroom\/news-releases\/2024\/10\/computational-tool-developed-to-predict-immunotherapy-outcomes-for-patients-with-metastatic-breast-cancer<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Un modelo desarrollado por cient\u00edficos de Johns Hopkins podr\u00eda optimizar los tratamientos en pacientes con c\u00e1ncer de mama metast\u00e1sico triple negativo. Investigadores del Centro de C\u00e1ncer Kimmel de Johns Hopkins y la Escuela de Medicina de la Universidad Johns Hopkins han creado una herramienta computacional que puede predecir qu\u00e9 pacientes con c\u00e1ncer de mama metast\u00e1sico responder\u00e1n a la inmunoterapia. Esta herramienta utiliza un modelo avanzado para identificar biomarcadores que indiquen la efectividad de la inmunoterapia en cada paciente. El estudio, publicado en Proceedings of the National Academy of Sciences, representa un avance importante en el tratamiento personalizado de esta forma agresiva de c\u00e1ncer. La inmunoterapia busca fortalecer el sistema inmunol\u00f3gico del paciente para atacar las c\u00e9lulas cancerosas, pero su eficacia var\u00eda entre los pacientes, seg\u00fan explic\u00f3 el Dr. Theinmozhi Arulraj, autor principal del estudio. De esta forma, identificar a los pacientes que podr\u00edan beneficiarse es crucial, ya que estos tratamientos pueden tener efectos secundarios significativos. El equipo de investigaci\u00f3n utiliz\u00f3 un modelo matem\u00e1tico llamado \u201cfarmacolog\u00eda de sistemas cuantitativos\u201d o cuantitative systems pharmacology para crear 1,635 \u201cpacientes virtuales\u201d con c\u00e1ncer de mama metast\u00e1sico triple negativo y simular sus respuestas al medicamento pembrolizumab. Posteriormente, aplicaron herramientas computacionales avanzadas, incluyendo enfoques estad\u00edsticos y de machine learning, para identificar biomarcadores para la predicci\u00f3n de la respuesta al tratamiento. Al analizar los datos generados, los investigadores evaluaron 90 biomarcadores, tanto individuales como en combinaciones, para predecir los resultados del tratamiento. Hallaron que los biomarcadores tomados despu\u00e9s de iniciar el tratamiento, conocidos como \u201cbiomarcadores en tratamiento\u201d, son m\u00e1s efectivos para anticipar los resultados de la inmunoterapia en comparaci\u00f3n con los biomarcadores previos al tratamiento. Adem\u00e1s, algunos marcadores sangu\u00edneos, que no requieren biopsias invasivas, mostraron un rendimiento similar al de biomarcadores de tejidos tumorales. Utilizando estos biomarcadores no invasivos, el equipo realiz\u00f3 un \u201censayo cl\u00ednico virtual\u201d y demostr\u00f3 que los pacientes seleccionados seg\u00fan los cambios en el di\u00e1metro tumoral, medidos mediante tomograf\u00edas computarizadas a las dos semanas del tratamiento, ten\u00edan una tasa de respuesta superior al doble de la tasa promedio, de 11% a 25%. \u201cLos biomarcadores predictivos son fundamentales para desarrollar estrategias optimizadas contra el c\u00e1ncer de mama triple negativo, a fin de evitar el tratamiento excesivo en pacientes que se espera que evolucionen bien sin inmunoterapia y el tratamiento insuficiente en las que no responden bien a la inmunoterapia\u201d, indic\u00f3 el coautor del estudio, el Dr. C\u00e9sar Santa-Mar\u00eda, profesor asociado de oncolog\u00eda y onc\u00f3logo m\u00e9dico especialista en mama del Centro Oncol\u00f3gico Kimmel. La herramienta computacional desarrollada por los investigadores de Johns Hopkins ofrece una prometedora v\u00eda para personalizar la inmunoterapia en pacientes con c\u00e1ncer de mama metast\u00e1sico triple negativo, reduciendo la posibilidad de tratamientos innecesarios y potencializando los beneficios en quienes m\u00e1s podr\u00edan responder. Esta tecnolog\u00eda podr\u00eda marcar un hito para futuros estudios cl\u00ednicos y extenderse a otros tipos de c\u00e1ncer, optimizando as\u00ed la precisi\u00f3n y efectividad de la inmunoterapia en oncolog\u00eda. \u201cLas complejidades del microambiente tumoral hacen que el descubrimiento de biomarcadores en la cl\u00ednica sea un reto, pero las tecnolog\u00edas que aprovechan el modelado in-silico tienen el potencial de capturar tales complejidades y ayudar en la selecci\u00f3n de pacientes para la terapia\u201d, concluy\u00f3 el Dr. Santa-Mar\u00eda. BIBLIOGRAF\u00cdA HOPKINS MEDICINE https:\/\/www.hopkinsmedicine.org\/news\/newsroom\/news-releases\/2024\/10\/computational-tool-developed-to-predict-immunotherapy-outcomes-for-patients-with-metastatic-breast-cancer<\/p>","protected":false},"author":1,"featured_media":50356,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-50354","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/50354","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=50354"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/50354\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/50356"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=50354"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=50354"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=50354"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}