Estudio Dipcan: nuevas tecnologías para transformar la oncología clínica

Porque cada paciente es diferente de los demás, la medicina personalizada está ganando cada vez más terreno en diferentes ámbitos clínicos. La estrategia de considerar las características individuales de cada paciente, como su genética, ambiente o estilo de vida, no es nueva. Lo que ocurre es que los importantes avances en áreas como la genómica o la radiología proporcionan nuevos niveles de comprensión sobre la salud de las personas que contribuyen a mejorar la prevención, diagnóstico y tratamiento de los pacientes. A estos avances se suma el rápido desarrollo de la inteligencia artificial y el llamado Big Data, cuyas aplicaciones en medicina y atención sanitaria no han hecho más que comenzar.

En este contexto de Big Bang tecnológico nace el estudio Dipcan, basado en la digitalización y manejo de la Medicina Personalizada en el cáncer. Dipcan es un estudio observacional que recogerá información de 2000 pacientes con tumores metastásicos para elaborar estrategias de salud que mejoren el diagnóstico y tratamiento del cáncer. Está dirigido específicamente a los pacientes oncológicos con metástasis debido a que son pacientes que requieren de forma más urgente disponer de este tipo de información.

Estudiar la población para mejorar la atención personalizada

Dipcan se beneficia del hecho de que la oncología es una de las áreas donde la medicina de precisión está avanzando más deprisa. Por ejemplo, el análisis de la genética y datos moleculares de los tumores, así como las nuevas técnicas de imagen permiten identificar biomarcadores que ayudan al diagnóstico o en la predicción de la respuesta a ciertos tratamientos.

Fabio Franco, oncólogo en la Fundación MD Anderson España, entidad promotora del proyecto, destaca como origen del proyecto la necesidad de obtener información biológica del cáncer en la población española, así como la necesidad de aumentar las expectativas de tratamiento individualizado de los pacientes.

“Conocemos la evolución general de las alteraciones moleculares de los diferentes tipos de tumores por investigaciones previas que se han hecho en ensayos clínicos o cohortes definidas de pacientes. Sin embargo, de nuestra población no tenemos información. En atención a este vacío, se ha diseñado un estudio que aborda distintos aspectos relacionados con la situación del tumor (antecedentes del paciente y estudio clínico, radiológico, anatomopatológico y molecular). Toda la información individual nos ayuda a tener datos personalizados de la enfermedad del paciente y conocer de forma global, en nuestra población, cuáles son nuestras características. A nivel español este es el primer estudio de este tipo”, indica Franco.

Para recopilar, analizar y armonizar los datos clínicos, genómicos, patológicos y radiológicos de los pacientes participantes, Dipcan cuenta con una red multidisciplinar en la que colaboran diferentes entidades. La Fundación MD Anderson International España es la promotora del estudio, que coordina Eurofins Megalab. Además, cuentan con la participación tecnológica de Genomcore, Quibim, Pangaea Oncology, Artelnics y Atrys Health.

Del paciente a los datos

Dipcan es un estudio de tipo observacional dirigido a pacientes de España con tumores sólidos metastásicos, no hematológicos. Esto implica que únicamente se obtendrán datos de los pacientes, a través de diferentes pruebas diagnósticas. No se facilitará ningún tratamiento, aunque el conocimiento derivado podría contribuir a una mejor personalización de tratamientos. “La información obtenida y los resultados serán de mucha ayuda para el oncólogo, que es quien mejor conoce la situación del paciente y podrá tomar los datos para seleccionar tratamientos o adaptarlos al paciente”, indica Fabio Franco.

Los 2000 participantes del estudio comenzarán su recorrido con una primera visita a un oncólogo especialista que recogerá de la forma más precisa posible los datos clínicos del paciente. A continuación, se solicitará una muestra de tumor reciente a los pacientes, que será analizada a nivel histopatológico y molecular (mediante técnicas de secuenciación genómica) por Eurofins Megalab y Pangaea Oncology. Como alternativa, si no hay disponible una muestra de tumor, se valorará la realización de una biopsia líquida, dirigida a detectar las mutaciones tumorales en sangre en lugar de directamente en la muestra tumoral.

La siguiente prueba diagnóstica, realizada en el Hospital MD Anderson Cancer Center Madrid será un análisis radiómico por resonancia magnética de cuerpo completo para determinar cómo es el tumor del paciente. En el mismo centro se realizará la extracción de una muestra sanguínea para el estudio, por parte de Eurofins Megalab, para evaluar diversos parámetros habituales como el hemograma, bioquímica, pruebas de función hepática y renal, así como marcadores tumorales. También se extraerá material genético para estudios moleculares.

Tecnologías avanzadas para obtener información relevante del tumor

Para conseguir sus objetivos, en Dipcan se aborda el cáncer desde múltiples perspectivas: clínica, molecular, radiológica, anatómica… ”Está bastante claro que ya no se puede abordar a un paciente mirando únicamente la genética o la biopsia. Hay que tener una visión completa del paciente”, destaca Mónica Díez, coordinadora de proyectos y especialista de producto en Genomcore.

Uno de los aspectos destacados del proyecto en cuanto a la recopilación de información molecular es la utilización de biopsias líquidas, en aquellos casos donde no haya disponibilidad de biopsia tumoral. Esta estrategia, que permite obtener y analizar ADN tumoral circulante a partir de muestras de sangre, tiene gran potencial tanto en investigación como en asistencia clínica, indica Javier Rivela, CEO de Pangaea Oncology. “Es mínimamente invasiva y puede utilizarse en diferentes fluidos biológicos”.

Rivela apunta que la biopsia líquida permite diagnosticar, así como monitorizar a los pacientes de forma asistencial. Además, destaca que, puesto que además de detectar el ADN tumoral circulante éste se puede cuantificar, también tiene capacidad pronóstica en pacientes enfermos, incluso en situaciones clínicas donde todavía no hay evidencias radiológicas. “La biopsia líquida va a ser muy valiosa porque más allá de diagnosticar pacientes nos va a dar información en tiempo real de lo que sucede en el paciente, siempre que podamos detectarlo”, indica Rivela, quien confía en que la progresiva aprobación de nuevos fármacos dirigidos a mutaciones concretas se vea correlacionada con un aumento en la implantación de la biopsia líquida en la práctica clínica.

Otra aproximación con gran potencial es la patología digital, que consiste en una digitalización de las muestras tumorales. “Supone una revolución en anatomía patológica ya que permite compartir imágenes entre patólogos, analizar características que no se pueden captar con el ojo humano o extraer información más compleja de las imágenes y analizarla de forma similar a lo que se hace en radiómica, lo que abre el campo exploratorio”, resalta Marta Martín, coordinadora del proyecto DIPCAN desde Eurofins Megalab España.

De los datos a los algoritmos

Una vez obtenidos los diferentes tipos de datos (moleculares, histopatológicos, radiómicos, de imagen y bioquímicos) de los pacientes, un paso esencial es hacerlos operativos. “Los datos de salud son complejos y muy heterogéneos. Cada uno tiene su particularidad. Normalmente además están de forma no estructurada de modo que si queremos proporcionar accionabilidad a los datos necesitamos la interoperabilidad, que estén en mismo formato. La forma de conseguirlo es crear un repositorio común, que es el papel de Genomecore en el proyecto. Ofrecemos una plataforma de datos en formato estándar y común, para que los algoritmos puedan acceder a ellos”, señala Mónica Díez.

Cuando los datos estén estructurados y armonizados se procederá a elaborar algoritmos de inteligencia artificial dirigidos a establecer relaciones entre los diferentes tipos de información. “Utilizamos algoritmos matemáticos que emulan el funcionamiento del cerebro dentro del ordenador. Son modelos de neuronas naturales que toman información y la procesan para descubrir tendencias o relaciones a partir de los datos. Aplicamos estas técnicas para diagnóstico médico, pronóstico y tratamiento médico: diagnosticar con mayor precisión el tumor de los pacientes, hacer predicciones sobre la enfermedad y buscar tratamientos que tengan mayor eficacia para los pacientes”, señala Roberto López, CEO de Artelnics.

De los algoritmos a las soluciones o estrategias de salud

A través de los diferentes algoritmos y relaciones entre los datos, los investigadores confían en obtener respuesta a algunas preguntas desconocidas sobre el diagnóstico, pronóstico y tratamiento de los pacientes con cáncer metastásico.

Por ejemplo, uno de los objetivos del proyecto es estudiar cómo se relaciona la información obtenida a partir del análisis radiómico (la forma y heterogeneidad del tumor y biomarcadores estructurales del tejido) con las mutaciones. “Queremos determinar si somos capaces de identificar la presencia de las mutaciones únicamente con la imagen”, indica Ana Jiménez, vicepresidenta de Inteligencia Artificial en Quibim.

Jiménez resalta que la imagen es una fuente de información no invasiva disponible para los pacientes y su correlación con las mutaciónes del cáncer podría dar solución a determinados escenarios. “Podría permitir el acceso a terapias dirigidas a pacientes que, por la razón que sea, no disponen de una biopsia, o en casos donde por limitaciones del centro no se ha podido realizar un análisis genómico. Además, en aquellos casos donde hay un tratamiento dirigido a la presencia de la mutación, si con la imagen, que ya está disponible para el paciente, se puede determinar con mucha especificidad la mutación, se podría iniciar el tratamiento antes de que estén los resultados de las pruebas moleculares”, indica Jiménez.

Víctor González Rumayor, director de I+D en Atrys Health, destaca algunas de las cuestiones que podrían responder los datos, relacionadas con la evolución de la enfermedad metastásica, principal foco del proyecto: “Una pregunta es si hay condicionantes genómicos en el tumor que, combinados con la imagen, permitan predecir si un tumor va a metastatizar de forma preferente a un órgano, a qué órgano y con cuántas metástasis. Otra pregunta clínica muy relevante para el tratamiento es el origen del cáncer metastásico, cuál es el tumor primario. Además, como también vamos a analizar la carga genética germinal, podremos determinar qué alteraciones son solo del tumor o ya estaban en el paciente, o cómo va a responder el paciente desde el punto de vista inmunológico”.

Un proyecto del presente que mira hacia el futuro

En paralelo a la recopilación de datos para desarrollar los diferentes algoritmos y estrategias de salud, la información individual de cada paciente participante en Dipcan ya empieza a ofrecer resultados preliminares con relevancia clínica inmediata. “Los pacientes se benefician del estudio tan amplio que se les hace. Un ejemplo es la identificación de alteraciones genéticas relacionadas con el tratamiento o la resistencia al mismo”, señala Marta Martín, de Eurofins Megalab España. “Otro aspecto importante es que estamos detectando muchas alteraciones que quizás hoy no sean accionables pero mañana sí lo sean”, resalta Víctor González Rumayor. De momento, con el objetivo de llegar a los 2000 participantes, el reclutamiento de voluntarios para Dipcan sigue abierto.

Entre los siguientes pasos del proyecto también se plantea llevar a cabo un seguimiento de los pacientes, cuando se obtenga financiación. “Cuando el paciente entra al estudio obtenemos la información del momento. Se ha planificado hacer seguimiento con estudio de biopsia líquida en varios tiempos para conocer la evolución molecular de la enfermedad”, ha señalado Fabrio Franco.

Dipcan también es un proyecto a futuro. En la parte más técnica, González Rumayor destaca que Dipcan está generando una estructura sobre la que más adelante podrían incorporarse otras variables, como por ejemplo información metabolómica. “Estructuramos y armonizamos los datos para que luego puedan añadirse otras fuentes de información que no están contempladas en el proyecto pero puedan ser interesantes de cara a futuro”, añade Mónica Díez.

Además, la información obtenida en el estudio, transformada en algoritmos y estrategias de salud contribuirá a mejorar la atención de futuros pacientes. “Ante cada paciente el oncólogo toma muchas decisiones y no todas ellas tienen que ver con la terapia. Muchas tienen que ver con seguimiento, monitorización…Nuestro objetivo con esta plataforma es permitir afinar en estas decisiones en el contexto de la enfermedad metastásica”, señala Víctor González Rumayor.

Amparo Tolosa, Genotipia