Investigación sobre el cáncer · eu
¿Por qué metastatiza el cáncer de pulmón? Un atlas de 2,5 millones de núcleos celulares identifica pistas sobre el riesgo
Un equipo alemán vinculó un atlas de células tumorales de 454 pacientes con la evolución de su enfermedad a largo plazo y descubrió que la combinación de las células cancerosas y su entorno ayuda a identificar riesgos que la evaluación clínica tradicional no capta plenamente. Pero aún se necesita más validación para pasar de predecir la evolución de la enfermedad a orientar el tratamiento.
Tras la extirpación de un cáncer de pulmón, ¿qué pacientes podrían seguir expuestos a la diseminación de células cancerosas? El tamaño del tumor y la afectación de los ganglios linfáticos ofrecen pistas importantes, pero difícilmente reflejan toda la diversidad interna del tumor. Un nuevo estudio comparó las características moleculares de las células de cientos de pacientes con la evolución posterior de su enfermedad, con el objetivo de obtener una evaluación más detallada del riesgo de metástasis a partir de las células cancerosas y su entorno.
Este atlas de cáncer de pulmón no microcítico, denominado LuCaS+, fue elaborado por equipos de la Universidad de Múnich, el hospital Charité de Berlín y el instituto BIFOLD de la Universidad Técnica de Berlín, entre otros. Los resultados se publicaron en *Nature Cancer*. El estudio abarcó a 454 pacientes de tres hospitales universitarios alemanes, analizó más de 2,5 millones de núcleos celulares y vinculó estos datos con información clínica detallada y registros de seguimiento a largo plazo.
Una base importante del estudio fueron los tejidos tumorales fijados en formol e incluidos en parafina, conservados en archivos de anatomía patológica. El equipo obtuvo de estas muestras información sobre la actividad de más de 2.000 genes en cada núcleo celular, lo que permitió contrastar retrospectivamente el análisis molecular con la evolución de la enfermedad de los pacientes a lo largo de los años. La plataforma del atlas especifica que 364 pacientes de Berlín y Colonia conformaron la cohorte exploratoria, mientras que la validación se realizó con 90 pacientes de Múnich cuyas muestras se obtuvieron y analizaron de forma independiente.
El aprendizaje automático se utilizó para identificar patrones en grandes volúmenes de datos de actividad génica, clasificar las células cancerosas en distintos grupos y analizar después las asociaciones de cada grupo con las metástasis y los resultados clínicos. Uno de los objetivos del estudio fue identificar tumores que parecen estar en una fase temprana, pero que podrían presentar un mayor riesgo de metástasis; estas diferencias no siempre pueden apreciarse plenamente mediante la estadificación tradicional por sí sola.
Además de las células cancerosas, el equipo incorporó al modelo células inmunitarias, del tejido conjuntivo y vasculares. Según un comunicado de la Universidad de Múnich, al combinar el potencial metastásico de las células cancerosas con las características del microambiente tumoral, el modelo predijo los resultados clínicos mejor que los parámetros clínicos tradicionales. Los hallazgos también se validaron en una cohorte independiente de pacientes. Esto sugiere que, para evaluar la evolución de la enfermedad, quizá sea necesario comprender tanto las propias células cancerosas como el entorno celular en el que se encuentran.
Sin embargo, la validación en una cohorte independiente aún no significa que el modelo pueda utilizarse para decidir el tratamiento de cada paciente. El comunicado público no incluyó valores completos de rendimiento predictivo que permitan evaluar su utilidad clínica, y los patrones celulares asociados con las metástasis tampoco pueden interpretarse directamente como mecanismos que las causan. Si el modelo puede mantener su rendimiento en otros sistemas sanitarios y si ajustar el tratamiento según sus resultados mejora los desenlaces de los pacientes siguen siendo preguntas que deben responderse antes de su aplicación clínica.
LuCaS+ ya está disponible para que los investigadores lo exploren y ofrece resultados de secuenciación por muestra, datos clínicos, clasificaciones celulares y tablas de diferencias de expresión génica. Su valor a corto plazo consiste en permitir que los investigadores indaguen qué estados celulares se asocian con una evolución desfavorable de la enfermedad y, a partir de ello, formulen hipótesis terapéuticas que puedan ponerse a prueba. El equipo también señaló expresamente que las nuevas vías terapéuticas aún deben probarse primero en cultivos celulares y modelos animales.