Proyecto I+D+i 2019: Modelos Matemáticos en Oncología (MMOncol).

15 Diciembre 2022

La biomedicina ha avanzado espectacularmente en los últimos años, realizando progresos muy significativos en el ámbito de la salud y contribuyendo a la mejora de la calidad de vida de muchas personas. Sin embargo, existen enfermedades y patologías cuya incidencia sigue aumentando globalmente, presentando enormes retos para el bienestar de la sociedad, tales como el cáncer. El cáncer constituye una de las principales causas de morbilidad y mortalidad del mundo. De acuerdo con los datos más recientes del Observatorio Global del Cáncer, el número de pacientes oncológicos se ha incrementado desde, aproximadamente, 13 millones de casos en 2010, a 19,3 millones en 2020. Se estima que en 2040 supere los 28 millones. Abordar tal desafío requiere, cada vez más, que distintas disciplinas científicas unan sus fuerzas de manera sinérgica.

El proyecto MMOncol hace uso de las matemáticas, a través del desarrollo de modelos computacionales, con el objetivo de poder contribuir al conocimiento de los mecanismos biológicos y los tratamientos de distintos tumores malignos: gliomas y metástasis cerebrales, así como leucemias linfoblásticas agudas.

Figura 1
Figura 1. Reproducción de la heterogeneidad tumoral a través de la simulación con un modelo computacional. En la dirección vertical, observamos el crecimiento tridimensional del tumor en el tiempo. En horizontal están representadas varias subpoblaciones celulares con características genéticas diferentes. Algunas no están presentes inicialmente o tienen poca representación en la masa del tumor. Estos modelos permiten reproducir de forma espontánea un escenario tumoral más realista en el que diferentes clones tumorales coexisten e interaccionan entre ellos, eventualmente conduciendo a la prevalencia del mejor adaptado.

Los gliomas son tumores que se originan en el sistema nervioso central y que afectan, principalmente, al cerebro. Las metástasis cerebrales son cánceres que aparecen en otros órganos y tejidos del cuerpo y que se extienden al cerebro. Las leucemias linfoblásticas agudas son un tipo de cáncer que afecta al normal desarrollo de una clase específica de células sanguíneas del sistema inmune, los linfocitos. El proyecto MMOncol persigue establecer puentes entre distintas ramas de la biomedicina, que incluyen a la biología celular, la oncología, la radiología, la medicina nuclear y la inmunología, a través de herramientas cuantitativas procedentes de las matemáticas. El fin último es encontrar nuevos biomarcadores que logren proporcionar información sobre estos cánceres y desarrollar nuevas estrategias terapéuticas que puedan trasladarse al ámbito clínico.

El equipo investigador del proyecto MMOncol pertenece al Laboratorio de Oncología Matemática (MOLAB), integrado por investigadores de la Universidad de Castilla-La Mancha y la Universidad de Cádiz. El proyecto se aborda desde las matemáticas, pero con una fuerte componente interdisciplinar y en el equipo participan matemáticos, físicos, informáticos, ingenieros, biólogos y biotecnólogos. La labor del equipo se refuerza a través de una extensa red de colaboradores, que abarca desde instituciones de investigación en biología del cáncer hasta centros hospitalarios, los cuales proporcionan datos biológicos y médicos. Toda esa información se procesa y analiza en MOLAB con un amplio repertorio de metodologías que van desde las ecuaciones de evolución, técnicas de análisis de imagen, métodos estadísticos e inteligencia artificial (Figura 2).

Figura 2
Figura 2: Flujo de trabajo del proyecto Modelos Matemáticos en Oncología (MMOncol).

El proyecto comprende un enfoque integrativo de tres pilares fundamentales: modelización matemática, biología del cáncer e información clínica. La modelización matemática pone a disposición de la investigación en cáncer un amplio abanico de herramientas, incluyendo ecuaciones de evolución, inteligencia artificial y simuladores mesoscópicos. Sin embargo, para aportar una representación lo más fidedigna posible de la realidad del paciente, estos modelos deben nutrirse de datos experimentales sobre la biología del cáncer y de información clínica relevante. Con estas herramientas pretendemos responder a preguntas de utilidad clínica en cada una de las áreas del proyecto:

  1. Mejorar el tratamiento de los tumores cerebrales utilizando modelos matemáticos. ¿Es posible extraer información de las imágenes médicas que permita conocer el pronóstico individual del paciente? ¿Cómo combinar los tratamientos habituales para conseguir un resultado óptimo para cada paciente? ¿Es posible usar modelos matemáticos para distinguir recaídas de procesos inflamatorios y realizar las acciones más adecuadas para cada paciente?
  2. Mejorar el tratamiento de las leucemias pediátricas usando modelos matemáticos. ¿Es posible conocer de antemano utilizando datos biomédicos (por ejemplo, de citometría de flujo) en qué pacientes se puede detener completamente el avance de la enfermedad con los tratamientos habituales y en cuáles no? ¿Es posible saber qué pacientes pueden beneficiarse de tratamientos novedosos mediante inmunoterapia? ¿Es posible usar modelos matemáticos para diseñar tratamientos personalizados pediátricos que sean más efectivos y menos tóxicos?
  3. Conocer mejor la respuesta inmune y mejorar los tratamientos de inmunoterapia. Las inmunoterapias no están mostrando, en tumores cerebrales, ser tan eficaces como en otros tumores. Los modelos matemáticos permiten crear ‘gemelos virtuales’ del paciente sobre los que ensayar distintos tratamientos de modo virtual y elegir el que mejor se adapta al paciente real. Pretendemos buscar la forma de optimizar el uso de las inmunoterapias en combinación con los tratamientos estándar mediante la utilización de esos gemelos virtuales.
  4. Entender cómo cambia y se adapta el tumor para poder derrotarlo. Los tumores no son entes “estáticos” sino que van adaptando su comportamiento durante su historia. De alguna manera puede decirse que van evolucionando, esquivando las dificultades que encuentran en su crecimiento y cambiando bajo procesos de selección natural de las células más agresivas, del mismo modo que las especies animales han ido adaptándose a los cambios en sus ecosistemas durante la historia de la vida en la Tierra. Comprender estos procesos es fundamental, por ejemplo, para poder evitar el desarrollo de resistencias a los tratamientos. El proyecto pretende trabajar en esta línea de “dinámica evolutiva” para proponer estrategias de tratamientos combinados que permitan llevar al cáncer a un proceso de “extinción” y poder así erradicarlo del paciente.

En conjunto, el proyecto aborda problemas básicos y aplicados de la oncología con métodos matemáticos que puedan ser llevados a la práctica clínica y, con ello, mejorar los tratamientos y la calidad de vida de los pacientes con cáncer.

Figura 3
Figura 3. Seguimiento del crecimiento temporal del tumor y modelización. Determinación del volumen del tumor a partir de imágenes médicas del paciente (PET-CT, RMN) y propuesta de una ley de crecimiento tumoral teniendo en cuenta los datos clínicos obtenidos. A partir de imágenes médicas, información clínica, datos genómicos y de citometría de flujo, podemos obtener información básica del comportamiento del tumor y describir biomarcadores de utilidad clínica.

 

Investigadores/as Principales del proyecto
Víctor M. Pérez García

Víctor M. Pérez García es doctor por la Universidad Complutense de Madrid (1995). Actualmente es catedrático de Matemática Aplicada en el Departamento de Matemáticas de la Universidad de Castilla-La Mancha (Ciudad Real). Es director del Instituto de Matemática Aplicada a la Ciencia y la Ingeniería y del laboratorio MOLAB. Ha publicado 170 artículos indexados con 5.800 citas. Es editor en jefe de la revista “Physica D”, miembro del comité editorial de las revistas "Cancers", "European Radiology" y otras, miembro del comité científico de la Real Sociedad Española de Matemáticas y miembro del comité de CEMAT “Acción Matemática contra el coronavirus”. Ha sido evaluador del programa de becas Marie Curie y de multitud de paneles de evaluación de proyectos y programas de investigación en oncología y/o matemáticas en Francia, Reino Unido, Austria, Bélgica, Polonia, Rumanía, European Science Foundation, Chipre, Letonia, etc. Su principal campo de trabajo es la aplicación de las matemáticas para aportar soluciones en oncología y, más específicamente, en tumores cerebrales, metástasis, leucemias infantiles, linfomas, cáncer de próstata, imagen médica, biomarcadores, inmunoterapias celulares, etc. En este campo dirige o codirige varios proyectos fianciados por entidades públicas, fundaciones como la norteamericana James S. McDonnell Foundation y empresas como NOVARTIS.

Gabriel Fernández Calvo

Gabriel Fernández Calvo es profesor titular del Departamento de Matemáticas de la Universidad de Castilla-La Mancha (Ciudad Real) donde desarrolla su actividad docente e investigadora, siendo miembro senior del Laboratorio de Oncología Matemática (MOLAB). Realizó sus estudios en la Universidad Autónoma de Madrid, obteniendo la licenciatura en Ciencias Físicas en 1999 y el doctorado en Física de Materiales en 2003. Fue investigador Juan de la Cierva en la Universidad Autónoma de Barcelona hasta su incorporación en 2007 en la Universidad de Castilla-La Mancha. Su trayectoria investigadora abarca cuatro campos del conocimiento distintos: Biomatemática (oncología matemática, inmunología y diabetes), Mecánica Estadística de Sistemas Complejos (biopolímeros), Información Cuántica (desarrollo de protocolos mediante estados entrelazados del fotón) y Óptica No Lineal (solitones espaciales). Ha sido coautor de más de 60 Video PID2019-110895RB-I00-video.mp4 artículos científicos en revistas indexadas en JCR, así como de tres capítulos de libro publicados en Springer.

Vídeos relacionados