Guillermo Lorenzo desarrolla un prototipo de gemelo digital para predecir la respuesta terapéutica en cáncer de mama

Guillermo Lorenzo es un ingeniero de Caminos, Canales y Puertos que durante la carrera se especializó en simulaciones computacionales de ingeniería civil para entender tanto cómo se van a comportar las infraestructuras como para optimizar su diseño. “Terminé la carrera coincidiendo con la crisis de la construcción en España y tuve que reorientarme, con la fortuna de que a uno de mis profesores le concedieron una ayuda Starting Grant del Consejo Europeo de Investigación para trabajar en modelos de cáncer y así comencé a investigar en la creación de modelos matemáticos que representan cómo se desarrolla la enfermedad, como responde a tratamientos y cómo podemos hacer simulaciones precisas del crecimiento tridimensional del tumor”.

A través de una Beca Leonardo, Lorenzo centra su interés en el cáncer de mama, en concreto el tipo denominado triple negativo. Se trata de un tumor particularmente maligno porque crece y se propaga más rápidamente que otros tipos de cáncer de mama y porque carece de terapias específicas, como las que bloquean los receptores de HER2 o las que impiden la unión de las hormonas a los receptores de estrógeno o de progesterona. “El estándar de tratamiento se basa, entonces, en quimioterapia, que incluye fármacos como el paclitaxel, la doxorrubicina o la ciclofosfamida, que se pueden emplear en distinto orden, combinaciones, dosis y frecuencia de administración. Si podemos caracterizar cómo es la dinámica de crecimiento del tumor y el tipo de respuesta a cada uno de esos tratamientos, podremos identificar qué combinación tendrá más probabilidades de generar una respuesta patológica completa, que es como se denomina a cuando, tras la quimioterapia y antes de la cirugía, el tumor no se aprecia en pruebas de imagen”.

Con este fin, el proyecto de este investigador Ramón y Cajal  en el departamento de Matemáticas de la Universidade da Coruña se propone construir un gemelo digital que reproduzca de forma personalizada la evolución del tumor. “Usamos ecuaciones en derivadas parciales para construir un modelo matemático que representa cómo crece el tumor en la mama a lo largo del tiempo”, explica Lorenzo. Este modelo se alimenta de datos obtenidos mediante resonancia magnética multiparamétrica, que permite reconstruir tanto la geometría tridimensional del tumor como características biológicas relevantes, como la celularidad o la vascularización. A partir de estas imágenes, el sistema calibra parámetros específicos de cada paciente —como la proliferación celular o la respuesta a fármacos— mediante técnicas de ajuste matemático.

El resultado es una herramienta matemática capaz de simular la evolución del tumor bajo distintos regímenes terapéuticos. “Podemos representar en un ordenador cómo cambiaría el tumor en función del tratamiento que se administre y la frecuencia con que se haga”, explica el investigador. Esto permite comparar, en un entorno virtual, las diferentes opciones disponibles en la práctica clínica.

Inteligencia Artificial para identificar biomarcadores

Lorenzo es también investigador externo afiliado en el Instituto Oden de Ingeniería y Ciencias Computacionales  de la Universidad de Texas en Austin y aclara que el proyecto añade “una parte de inteligencia artificial, que es especialmente apta para identificar biomarcadores. Los biomarcadores aportan información predictiva: con este nivel de compresión mecánica dentro del tumor, esta movilidad celular y este tamaño de tumor, la probabilidad de respuesta patológica completa es del x por ciento. Al pasar por el gemelo digital cada uno de los cursos de tratamiento posibles, obtenemos la probabilidad de respuesta y eso ayuda al clínico a tomar decisiones”.

De hecho, una de las novedades de este proyecto es que combina el modelo biomecanicista y la inteligencia artificial. “La vía biomecanicista representa matemáticamente los mecanismos que rigen el desarrollo del tumor en función del tamaño y forma de la mama y de la posición y geometría del tumor. Nos explica por qué crece de una manera determinada con una transparencia que no siempre se consigue con modelos de inteligencia artificial, que sí son muy útiles para con un conjunto inicial de datos construir una predicción. Este proyecto hibrida estos dos enfoques, que son los dominantes en oncología computacional”.

Una vez completada la configuración del gemelo digital -que es el núcleo del proyecto Leonardo- el siguiente paso es su validación mediante un ensayo en sombra o estudio retrospectivo en cohortes amplias de pacientes, que permite evaluar si el modelo reproduce la evolución clínica real y garantiza su seguridad. A continuación, se realizan estudios prospectivos en los que se comparan en paralelo las predicciones del modelo con los resultados observados, seguidos de fases de optimización mediante ensayos clínicos virtuales para identificar las combinaciones terapéuticas más eficaces dentro de las opciones disponibles.

Estos resultados deben confirmarse posteriormente en ensayos clínicos reales, el último paso para obtener la autorización para el uso del gemelo digital en el ámbito hospitalario. Como resume el propio investigador, el recorrido implica “verificarlo retrospectiva y prospectivamente, confirmar que permite optimizar tratamientos, validarlo en ensayo clínico real y, por último, elevarlo a las autoridades para que aprueben su transferencia a la clínica”.

Accede al archivo de Σ