La investigadora predoctoral Carmen Ortega, que cuenta con una ayuda de la Asociación Española Contra el Cáncer (AECC) en Ciudad Real, ha trabajado en un estudio, en la UCLM, en el que han desarrollado un modelo matemático para predecir cómo evolucionan los tumores sólidos de mama y de pulmón.
El trabajo, publicado en la revista ProceedingsoftheNationalAcademyofSciencesoftheUnitedStatesofAmerica, muestra cómo investigadores del Laboratorio de Oncología Matemática de la Universidad de Castilla-La Mancha (UCLM), a partir del desarrollo de modelos matemáticos, han identificado un nuevo biomarcador de imagen con valor pronóstico en cáncer de mama y de pulmón. El estudio ha sido financiado por la Junta de Comunidades de Castilla-La Mancha y el Ministerio de Ciencia e Innovación, además de contar con la participación de la AECC en Ciudad Real a través de una Ayuda Predoctoral a la investigadora Carmen Ortega.
A partir de imágenes obtenidas de tecnología PET/CT (tomografía de emisión de positrones), los investigadores pudieron estudiar los niveles de actividad metabólica en pacientes con tumores de mama y pulmón, es decir, la actividad que lleva a cabo el tumor para nutrirse, extraer energía y así poder seguir creciendo y extenderse. Con estas imágenes plantearon un nuevo indicador que permite cuantificar cómo es la evolución en tumores sólidos que se basa en calcular la distancia desde el centro de masas del tumor (centroide), hasta el punto de mayor actividad metabólica (hotspot). Con ello, observaron que el mayor nivel de actividad metabólica tiende a desplazarse hacia los bordes del tumor a medida que este crece, por lo que su evolución y los cambios más relevantes que experimenta a nivel metabólico se producen progresivamente en aquellas células que se encuentran en las zonas más externas del mismo.
Los resultados encontrados con el nuevo biomarcador basado en imagen metabólica no solo indican una mejora en el pronóstico frente a los estándares existentes en la clínica sino que, además, ofrecen un avance en el conocimiento en la dinámica del crecimiento de tumores sólidos a nivel espacio-temporal para, así, entender cómo evolucionan.
