.
A maioria das mortes por câncer se deve à disseminação metastática e ao crescimento de células tumorais em locais distantes. Identificar tratamentos apropriados para pacientes com doença metastática é um desafio devido aos biomarcadores limitados e às capacidades de detecção, além da má caracterização de tumores metastáticos. Em um novo estudo publicado e incluído na capa da revista Pesquisa sobre câncerOs pesquisadores do Moffitt Cancer Center demonstram como a modelagem matemática combinada com biomarcadores dinâmicos pode ser usada para caracterizar a doença metastática e identificar abordagens terapêuticas apropriadas para melhorar os resultados dos pacientes.
Os tumores metastáticos podem variar em tamanho, localização e composição. As metástases também variam dentro de um paciente individual, tornando as decisões de tratamento desafiadoras. Os médicos usam biomarcadores coletados de amostras de sangue, biópsias de tecidos e imagens para identificar estratégias de tratamento adequadas. No entanto, essas técnicas são limitadas por pontos de tempo únicos, baixa resolução de lesões menores e incapacidade de fornecer informações sobre metástases individuais. Os cientistas estão investigando o potencial dos biomarcadores dinâmicos para superar as limitações das abordagens de biomarcadores padrão.
“Os marcadores dinâmicos baseiam o prognóstico não no valor absoluto da medição em um único ponto de tempo, mas na mudança relativa ao longo do tempo. Por exemplo, o tempo de duplicação do PSA pode estratificar pacientes com câncer de próstata que provavelmente responderão melhor à quimioterapia, progredirão para metastático doença ou morrer da doença”, disse Jill Gallaher, Ph.D., cientista pesquisadora do Departamento de Oncologia Matemática Integrada da Moffitt.
Os pesquisadores da Moffitt usaram modelagem matemática e biomarcadores dinâmicos para identificar as características da doença metastática que estão associadas a melhores resultados do paciente para o tratamento. Eles concentraram sua análise em um biomarcador chamado antígeno específico da próstata (PSA), que é comumente usado no diagnóstico e tratamento de pacientes com câncer de próstata. Os pesquisadores realizaram seu estudo com dados de 16 pacientes tratados em um ensaio clínico de terapia adaptativa. Durante a terapia adaptativa, os pacientes recebem pausas no tratamento com base na alteração dos níveis de PSA. Esta abordagem é projetada para prevenir o desenvolvimento e crescimento de tumores resistentes a medicamentos que causam falha no tratamento.
Os pesquisadores avaliaram os biomarcadores dinâmicos de PSA durante o primeiro ciclo de terapia adaptativa, que inclui o tempo necessário para reduzir a carga de PSA em 50% quando o tratamento está iniciado e o tempo necessário para voltar ao valor original quando o tratamento é interrompido. Eles identificaram várias relações importantes entre a doença metastática e os biomarcadores, incluindo metástases de tamanho maior com ciclos de tratamento mais longos; metástases com maior proporção de células resistentes a drogas retardaram o ciclo; e as metástases que tiveram uma taxa de renovação celular mais rápida tiveram um tempo de resposta mais rápido ao medicamento e um tempo mais lento para regredir. Eles também relacionam a dinâmica do PSA com variáveis clínicas, incluindo o escore de Gleason, um sistema de classificação usado para mostrar a aparência anormal das células do câncer de próstata e a probabilidade de avanço do câncer; a mudança no número de metástases durante um ciclo; e o número total de ciclos ao longo do tratamento.
A equipe realizou modelagem adicional para comparar a terapia adaptativa com a terapia contínua durante a qual não há intervalos de tratamento. Eles descobriram que as diferenças entre as composições dos tumores metastáticos favoreciam o tratamento contínuo, e as diferenças nas composições dos tumores metastáticos favoreciam os esquemas adaptativos. Essas observações sugerem que pode ser possível usar abordagens de modelagem matemática combinadas com biomarcadores dinâmicos e padrão para melhorar a caracterização da doença dos pacientes e ajudar a identificar as opções de tratamento adequadas.
“Modelos matemáticos multiescala, como o proposto aqui, podem ajudar a desvendar a natureza multidimensional do câncer e levar a uma melhor compreensão dos impulsionadores do sucesso e fracasso do tratamento. Embora este trabalho seja apenas um primeiro passo, ele mostra que modelos informados a análise de biomarcadores e metástases visíveis durante um único ciclo de terapia adaptativa pode ser útil na identificação de características importantes da população metastática para fornecer mais suporte para a tomada de decisões de tratamento”, explicou Alexander Anderson, Ph.D., presidente do Departamento de Integração Oncologia Matemática em Moffitt.
Este estudo foi financiado pelo National Cancer Institute (U01CA232382) e pelo Moffitt Center of Excellence for Evolutionary Therapy.
.
