Modelos matemáticos y biomarcadores: aplicaciones a tumores cerebrales, linfomas y cánceres pediátricos.
Proyecto de Investigación Científica - SBPLY/21/180501/000145 - 105.270,00 €.
Grupo de investigación: MOLAB – Mathematical Oncology Laboratory. Universidad de Castilla-La Mancha/ Instituto de Matemática Aplicada a la Ciencia y la Ingeniería, Laboratorio de Oncología Matemática
I.P.: Dr. Víctor M. Pérez García
Finalidad del Proyecto
La finalidad del proyecto es desarrollar y aplicar modelos matemáticos avanzados para identificar biomarcadores, optimizar tratamientos y mejorar el diagnóstico y la eficacia terapéutica en distintos tipos de cáncer (glioblastoma, metástasis cerebrales, linfomas tratados con CAR T y cánceres pediátricos sólidos), integrando datos experimentales, clínicos e imagen médica.
Objetivos
1.- Biomarcadores y optimización de tratamientos de quimio-radioterapia en GBM.
2.- Predicción de respuesta e identificación de necrosis por radiación en metástasis cerebrales tratadas con radiocirugía.
3.- Predicción de respuesta en tratamientos de linfomas con CAR T.
Resultados
El proyecto abordaba distintos problemas en oncología mediante modelos matemáticos en tres líneas de trabajo. La primera línea de trabajo pretendía encontrar mejorar los tratamientos de quimio-radioterapia en glioblastoma, el tumor cerebral primario más frecuente. Los resultados han predicho estrategias de tratamiento combinado que mejorarían las actuales con un potencial de casi duplicar la supervivencia actual. La segunda línea de trabajo pretendía abordar el reto de distinguir a través de imagen médica las radionecrosis (inflamación) de las recaídas tumorales, un problema práctico de gran relevancia dado que el tratamiento cambia radicalmente en ambos casos. Se ha conseguido desarrollar métodos que discriminan entre ambas situaciones y posteriormente desarrollarlos en forma de una herramienta web disponible para uso clínico. La tercera línea de trabajo pretendía comprender la respuesta a tratamientos de linfomas con células CAR T. Se ha conseguido encontrar una variable predictora que se puede extraer fácilmente de la imagen PET que se usa de forma rutinaria en el seguimiento de la enfermedad.
Impacto científico, técnico o social
Web del grupo: https://molab.es, Instagram: @molab_uclm
Con relación a los indicadores científico-técnicos y de transferencia, cabe destacar un total de 21 publicaciones científicas en revistas internacionales de prestigio, 53 participaciones en congresos y conferencias principalmente internacionales y en muchos casos por invitación, 5 tesis doctorales finalizadas y 4 en desarrollo
Colaboraciones
Luis . Ayala (Universidad de Guadalajara, México)
M. Pešić (Institute for Biological Research, Serbia)
M Reyes y Y. Suter (Universidad de Berna, Suiza)
T. Delobel (Institut Curie, Francia)
M. Valiente (CNIO)
T. Lorenzi y G. Chiari (Politecnico di Torino, Italia)
P. Maini y H. Byrne (University of Oxford)
R. Barrio y S. Serrano (Universidad de Zaragoza)
L. Benito (Universidad Francisco de Vitoria)
M. Rosa y S. Chulián (Universidad de Cádiz)
B. Weigelin (Universität Tübingen, Alemania)
C. Kuttler (Institute of Biomathematics, Múnich)
G. Aguadé (Universidad de Montpellier)
J. Martínez (Universidad Tecnológica de Panamá)
L. F. de Castro (National Institutes of Health, NIH, EE. UU.)
P. Sánchez (Instituto de Salud Carlos III)
C. Davatzikos (University of Pennsylvania, EE. UU.)
S. Syga (TU Dresden, Alemania)
A. Bertolet (Massachusetts General Hospital.)
P. Altrock (Max Planck Institute for Evolutionary Biology)