Investigadores del laboratorio de bioinformática y genómica funcional del Centro de Investigación del Cáncer, en colaboración con el Consejo Superior de Investigaciones Científicas (CSIC) y la Universidad de Salamanca (USAL), han desarrollado un predictor de riesgo revolucionario para pacientes con cáncer de mama utilizando técnicas de machine learning. Este innovador predictor permite identificar los genes asociados a la supervivencia y riesgo de los pacientes, generando firmas génicas que facilitan una estimación precisa del pronóstico de la enfermedad.
El diagnóstico médico es fundamental para identificar una enfermedad, pero en el caso del cáncer, también es esencial predecir la evolución que tendrá en cada paciente. El pronóstico brinda información crucial sobre la esperanza de remisión y supervivencia, así como el riesgo de recaída a lo largo de la enfermedad.
Según el líder del laboratorio responsable del proyecto, Javier De las Rivas, «el diagnóstico y pronóstico dependen de la biología del cáncer y del tejido analizado, y varían significativamente entre los distintos tipos de cáncer. Identificar nuevos biomarcadores a través de la investigación permite mejorar el diagnóstico y pronóstico de las enfermedades, y proporcionar un tratamiento más personalizado y adecuado para cada paciente».
En este estudio en particular, los investigadores lograron obtener una firma génica relacionada con los biomarcadores moleculares comúnmente medidos en la clínica (receptor de estrógeno, receptor de progesterona y el protooncogén HER2) para pacientes con cáncer de mama. Estos biomarcadores son esenciales para determinar el tipo de tumor que presenta cada paciente y guían las decisiones clínicas de los oncólogos.
