QUIÉN ES QUIÉN
A MANO ALZADA
El Consejo Superior de Investigaciones Científicas (CSIC) ha presentado un innovador modelo matemático que evalúa múltiples factores de riesgo, como la edad, enfermedades preexistentes como la diabetes y la hipertensión, el consumo de sustancias como el tabaco y el alcohol, y el índice de masa corporal. Este modelo busca establecer la estrategia óptima para la detección temprana del cáncer colorrectal individualizada para cada paciente.
Publicado en ‘Computers in Biology and Medicine’, el estudio revela que una estrategia de cribado personalizada incrementa la detección de casos tempranos utilizando los mismos recursos que el método convencional, que se basa principalmente en la edad. Esta aproximación podría disminuir a largo plazo tanto la mortalidad asociada a esta enfermedad como los costes sanitarios.
El cáncer colorrectal es el tercer cáncer más prevalente a nivel global, y es responsable del 10 por ciento de todos los diagnósticos y del 12 por ciento de las muertes por cáncer. La detección temprana es crucial y, actualmente, se realiza primordialmente basándose en la edad y utilizando el mismo tipo de test para todos los individuos de cierta edad.
Una herramienta basada en la red bayesiana
El CSIC ha propuesto una herramienta basada en un modelo gráfico estadístico conocido como red bayesiana, desarrollado en el contexto del proyecto europeo ‘Oncoscreen’. “Se trata de un diagrama que permite representar, de forma clara y sencilla, la compleja maraña de relaciones entre diferentes condiciones médicas relevantes”, explica Daniel Corrales, investigador predoctoral del CSIC en el Instituto de Ciencias Matemáticas (ICMAT).
La red, compuesta por nodos que reflejan variables de interés, como la presencia de células cancerígenas, la edad, el índice de masa corporal o la diabetes, y arcos que demuestran la dependencia entre estas, utiliza probabilidades condicionadas para cuantificar estas relaciones. Cada nodo incluye una tabla de probabilidad que refleja los valores posibles de cada variable, basada en los datos disponibles.
“Para ello también se tiene en cuenta, mediante una función de utilidad multiatributo, el coste de la prueba, la información que aporta y lo molesta que es para el paciente”, añade Corrales. Con esta herramienta, se asigna a cada paciente un tipo de prueba adecuado basándose en su nivel de riesgo. En situaciones de riesgo medio, se recomendaría la prueba habitual de detección de sangre en heces, mientras que en riesgos más altos se sugeriría una prueba de ADN en heces para reducir los falsos negativos.
El diseño de este modelo ha sido posible gracias a la combinación de la experiencia de expertos en este tipo de cáncer y el aprendizaje automático a partir de datos de dos millones de pacientes. Las conclusiones de esta investigación ayudarán a evaluar nuevas tecnologías de detección precoz del cáncer colorrectal en el marco del proyecto ‘Oncoscreen’, en colaboración con otros centros de investigación y universidades.
