MADRID 22 Mar. (EUROPA PRESS) -
La presidenta de la Sociedad Española de Oncología Médica (SEOM), Ruth Vera, ha comentado que en "poco tiempo" se va a dejar de hablar de cáncer de mama o pulmón, como se entiende en la actualidad, para hablar de tumores de distintas alteraciones moleculares.
Un cambio que se produce gracias al avance de la medicina de precisión o personalizada, la cual ha permitido que en muchos casos no se trata ya de un tratamiento para un cáncer sino de tratamiento adaptado a un paciente concreto con un biotipo tumoral. "La implementación de la Medicina Personalizada permitirá mejorar las estrategias de prevención en cáncer ya que aumentará el conocimiento biológico de cada uno de los tumores", ha dicho durante el taller 'La era del tratamiento personalizado en Oncología', organizado por la Asociación Nacional de Informadores de Salud (ANIS), el Instituto de Salud Carlos III (ISCIII) y SEOM.
La medicina personalizada consiste en la adaptación del tratamiento médico y la prevención de los tumores a las características individuales de cada paciente y ya es una realidad. Esto implica que las decisiones se tomarán teniendo en cuenta la integración de las características genómicas y moleculares del tumor, la información sobre la situación clínica y los hábitos del paciente.
"Para continuar mejorando resultados y seguir avanzando frente al cáncer, necesitamos una estrategia coordinada a nivel nacional de investigación de las alteraciones genéticas, de resultados de los tratamientos, de integración de todos los datos clínicos y de análisis de todos estos datos. En SEOM estamos trabajando para promover una Estrategia Nacional de Medicina de Precisión. Hemos participado en varios documentos de consenso y nos ponemos a disposición de la administración sanitaria para trabajar en la adecuada planificación", ha dicho la experta.
Y es que, a su entender, la medicina personalizada está transformando la investigación clínica y biomédica y la asistencia sanitaria tanto desde un punto de vista conceptual como metodológico, y existen oportunidades extraordinarias para mejorar la salud pública y, probablemente, reducir los costes del sistema sanitario.
"Ya disponemos de datos de meta-análisis recientes que incluyen más de 8.000 pacientes con tumores refractarios que avalan que los tratamientos dirigidos, en comparación con los habituales, pueden duplicar la supervivencia libre de enfermedad y prolongar la supervivencia global de forma clínicamente relevante. Sin embargo, esta aproximación no está exenta de dificultades. La interpretación de resultados y datos producidos de forma masiva es compleja, y obtener tratamientos dirigidos a pacientes con enfermedad refractaria puede ser muy difícil", ha recalcado.
Además, prosigue la presidenta de SEOM, la complejidad de la biología celular, sobre todo en relación con la heterogeneidad y evolución tumoral y la inabarcable red de señalización celular afectada por los tratamientos dirigidos, dificulta la propia comprensión del impacto de la Oncología de Precisión en la propia enfermedad.
Por su parte, el director del ISCIII, Jesús Fernández Crespo, se ha referido a las diferentes actuaciones en relación con la medicina personalizada a nivel internacional y nacional, destacando su potencial como palanca estratégica para el impulso de un potente vector de desarrollo científico, tecnológico y económico en torno a las tecnologías ómicas avanzadas y al denominado 'Big data for health'.
A su juicio, la medicina personalizada permite establecer un grado de colaboración sin precedentes entre todos los actores del ciclo de innovación en salud y contribuye a un modelo sanitario basado en la centralidad del paciente, clínicamente efectivo y sostenible.
Finalmente, catedrático del Departamento de Automática y Computación de la Universidad Pública de Navarra y profesor honorario de la Universidad de Nottingham en Reino Unido, Humberto Bustince, ha puesto sobre el debate si las máquinas son capaces de aprender, cómo lo hacen y cuáles son las limitaciones en su aprendizaje, presentando las ideas detrás del 'Deep Learning' o aprendizaje profundo que han conducido a máquinas capaces de ganar al ajedrez o al 'Go'.
Además, ha analizado el papel fundamental que juegan los datos en los desarrollos recientes de la Inteligencia Artificial, que han dado lugar a las dos grandes revoluciones de los últimos años: el 'Big Data' y, sobre todo, la ciencia de datos, y ha mostrado como esta nueva disciplina supone una revolución en el campo de la Medicina.
