Los matemáticos de la Universidad de Duke están desarrollando formas de ayudar a los médicos a predecir cómo es probable que progresen los diferentes tipos de cáncer cuando es difícil obtener mediciones reales del crecimiento tumoral.
Más de una de cada tres personas en los Estados Unidos será diagnosticada con cáncer en algún momento de sus vidas. Las predicciones precisas del crecimiento tumoral son clave para determinar la dosis correcta de radiación y quimioterapia, con qué frecuencia los pacientes deben someterse a exámenes de detección y siun tratamiento es eficaz.
"Los modelos matemáticos pueden ayudar a informar una gran cantidad de decisiones sobre el tratamiento del cáncer, pero se necesita un modelo preciso", dijo el profesor de matemáticas de Duke, Richard Durrett, quien dirige la investigación.
Se han propuesto numerosos modelos matemáticos de crecimiento tumoral, pero sigue siendo una pregunta abierta cuáles son los más apropiados para los diferentes tipos de cáncer.
"Algunos tumores se detienen o disminuyen una vez que alcanzan un cierto tamaño, mientras que otros continúan creciendo", dijo la coautora y estudiante universitaria de Duke Anne Talkington.
Parte de la dificultad proviene del hecho de que la mayoría de los modelos de crecimiento tumoral se calibran mediante mediciones en serie de tumores que crecen en ratones o en el laboratorio, donde el suministro de oxígeno y nutrientes no es el mismo que el de los tumores que crecen en una persona. PeroDebido a que la mayoría de los pacientes con cáncer comienzan el tratamiento, incluida la cirugía, lo antes posible después del diagnóstico, es difícil obtener datos de crecimiento similares para los tumores en humanos.
en un estudio publicado en línea en Boletín de Biología Matemática , Durrett y Talkington describen una manera de comparar modelos matemáticos comunes de crecimiento tumoral, utilizando solo dos mediciones puntuales del tamaño del tumor, a menudo el número máximo de mediciones de tamaño disponibles antes de que los pacientes comiencen el tratamiento.
"Trabajar con datos de pacientes reales nos obliga a trabajar con solo dos puntos de tiempo", dijo Durrett. "Al principio, puede parecer que dos puntos no son suficientes, ya que cualquier modelo puede pasar por dos puntos de datos. Sin embargo,, al examinar las tendencias en las tasas de crecimiento cuando los modelos se ajustan a tumores de diferentes tamaños, podemos averiguar cuál es el mejor modelo ".
Para probar su método, los autores buscaron en la literatura datos publicados anteriormente de pacientes con cáncer cuyos tumores se midieron en dos puntos de tiempo antes del tratamiento mediante mamografías repetidas, tomografías computarizadas o resonancias magnéticas.
Los resultados sugieren que los tumores de mama e hígado crecen exponencialmente, al menos cuando los tumores aún son pequeños.
"Como dinero en una cuenta de ahorros que genera una tasa de interés fija", dijo Durrett.
Dos tipos de tumores neurológicos, por otro lado, crecieron de acuerdo con la ley de potencia de dos tercios, consistente con la idea de que solo las células en la superficie del tumor pueden dividirse.
"Se ha introducido cierto sesgo en la forma en que se obtuvieron los datos, pero nuestros resultados indican que el método es útil para determinar qué modelos de crecimiento tumoral funcionan mejor para diferentes tipos de cáncer", dijo Talkington.
Fuente de la historia :
Materiales proporcionados por Universidad de Duke . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :