Con un algoritmo detectarán qué pacientes necesitan una cirugía de cáncer de mama y cuáles no

A fin de prevenir contagios por COVID-19 en centros de salud, un especialista del Hospital Royal Marsden de Londres, aplicará inteligencia artificial para identificar a quienes no necesitan una intervención o quimioterapia urgentes. Cómo es el procedimiento

Adherirse a la máxima del juramento hipocrático de no hacer daño no siempre es sencillo, particularmente durante una pandemia global. ¿Qué debe hacer un médico, por ejemplo, cuando una paciente tiene cáncer de mama operable, pero realizar esa cirugía podría aumentar el riesgo de contraer COVID-19 potencialmente mortal para ese mismo paciente?

En marzo de 2020, mientras los médicos de todo el mundo estaban lidiando con esta pregunta y los hospitales comenzaban a retrasar las cirugías, Mitch Dowsett, referente del cáncer de mama en el Hospital Royal Marsden de Londres y líder del equipo de endocrinología en el Instituto de Investigación del Cáncer, reunió un consorcio internacional para desarrollar un algoritmo simple que podría proporcionar alguna orientación.

“Me senté a la mesa del comedor durante unas cuatro semanas reuniendo todos los datos -recuerda Dowsett-, reflexionando sobre esos primeros días. Fue notable la rapidez con la que todo se juntó. El tiempo era esencial y todo el mundo lo sabía “.

El algoritmo de Dowsett se publicó en npj Breast Cancer, una de las revistas en línea de Nature Partner Journal. Su objetivo es ayudar a los médicos a clasificar a las mujeres posmenopáusicas con cánceres de mama ER + HER2, que representan alrededor del 70% de los casos de cáncer de mama. Durante la pandemia, a muchos dentro de este grupo de pacientes se les prescribió terapia endocrina neoadyuvante (NeoET), en lugar de cirugía, como estrategia de manejo de la enfermedad.Los tres marcadores fueron el receptor de estrógeno (ER), el receptor de progesterona (PgR) y el marcador proliferativo Ki67 (Getty Images)

El tratamiento, NeoET agrega, bloquea o elimina hormonas como un medio para reducir la carga tumoral antes de la cirugía. Sin embargo, algunos tumores ER + HER2 no responden a NeoET. Para esos pacientes, un retraso en la cirugía podría tener un impacto devastador. Ahí es donde entra en juego el algoritmo.

Los miembros del consorcio reunieron datos inéditos, que abarcaron a varios miles de pacientes con cáncer de mama. Luego, Dowsett y sus colegas analizaron si tres marcadores bioquímicos podrían usarse para clasificar a los pacientes para una cirugía prioritaria o tardía.

Los tres marcadores fueron el receptor de estrógeno (ER), el receptor de progesterona (PgR) y el marcador proliferativo Ki67. Tanto ER como PgR se examinan de forma rutinaria en biopsias de cáncer de mama primario, lo que significa que los datos estarían fácilmente disponibles. Ki67 es un marcador de uso frecuente de células en proliferación activa y, por lo general, se ha utilizado en estudios que examinan el efecto de NeoET en el pronóstico de tumores.

La evidencia anterior sugirió una fuerte correlación entre el pronóstico del tumor y la aplicación de un tinte con Ki67 después de varias semanas de tratamiento con NeoET, de modo que una coloración sustancial con Ki67 indicaría un mal pronóstico. A pesar de esta evidencia, se ha hecho poco para conectar la aplicación de tonalidad con Ki67 con los resultados clínicos.

Dowsett y su equipo se propusieron examinar biopsias de tumores y registros médicos para identificar correlaciones entre la respuesta tumoral a NeoET y la presencia de tinte ER, PgR y Ki67. Con esta información, razonaron, se podría construir un algoritmo para ayudar a clasificar a los pacientes en función de los resultados iniciales de la biopsia. Todo lo que el equipo tenía que hacer era analizar minuciosamente la inmensa cantidad de datos proporcionados por el consorcio.Algunas pacientes podrían mantenerse de forma segura con el tratamiento endocrino en ausencia de una prueba de seguimiento de Ki67

Tras el rastro de las congruencias

Al describir los resultados, Dowsett afirma que se dieron cuenta “de que el 60% de los pacientes tenían puntuaciones altas para RE y PgR y era muy probable que tuvieran menos del 10% de células positivas para Ki67 después de NeoET. Estos pacientes podrían mantenerse de forma segura con el tratamiento endocrino en ausencia de una prueba de seguimiento de Ki67”.

Dowsett también encontró que el 5% de los pacientes tenían niveles de ER muy bajos, lo que se correlacionó con una mala respuesta a NeoET. Esos pacientes, dice Dowsett, no necesitan más análisis: “deberían cambiar inmediatamente a cirugía o quimioterapia”.

Eso dejó al 35% de los pacientes que cayeron en algún punto intermedio. Esta cohorte mostró una expresión de ER y PgR modesta, o la aparición de un tinte de Ki67 mayor al 15% en la biopsia inicial. El análisis de este grupo encontró que la respuesta tumoral a NeoET fue variable. Sin embargo, el análisis de Ki67 después de dos a cuatro semanas de tratamiento podría ayudar a aclarar los resultados probables: después de una segunda biopsia, los pacientes con tinte de Ki67 menor 10% podrían mantenerse con seguridad con NeoET; el resto debe priorizarse para cirugía o quimioterapia. Este sencillo árbol de decisiones se tradujo luego en un algoritmo sencillo que podría ayudar a clasificar a los pacientes y salvar vidas.

Para Dowsett, la importancia del trabajo es inmensa. “En términos de la colaboración que se produjo, ha sido una experiencia única. Creo que he publicado más de 700 artículos y este es uno de los más gratificantes”, concluyó.

Please follow and like us: