Archivo - Esta investigación abre la puerta a futuros tratamiento en cáncer de mama luminar. - PEAKSTOCK/ISTOCK - Archivo
MADRID, 3 Jun. (EUROPA PRESS) -
A las mujeres con antecedentes familiares de cáncer de mama se les suele ofrecer una evaluación de su propio riesgo de desarrollar la enfermedad. Como parte de esta evaluación, los médicos utilizan modelos estadísticos que predicen la probabilidad de que una mujer desarrolle cáncer de mama en el futuro.
Esto es importante, ya que ayuda a orientar las decisiones sobre la detección precoz y la prevención. Estas decisiones pueden incluir cuándo comenzar con las mamografías o las resonancias magnéticas, si se deben ofrecer medicamentos que reduzcan el riesgo o, en algunos casos, si se debe considerar la cirugía preventiva para extirpar las mamas. Hasta ahora, ha habido poca claridad sobre qué modelos funcionan mejor para este grupo.
Investigadores del Trinity College de Dublín, el Hospital St. James y otras instituciones colaboradoras de Irlanda han llevado a cabo la revisión Cochrane más exhaustiva hasta la fecha de las herramientas utilizadas para estimar el riesgo de cáncer de mama en mujeres con antecedentes familiares de la enfermedad.
Los resultados, presentados en la Reunión Anual de la Sociedad Estadounidense de Oncología Clínica (ASCO) en Chicago, Estados Unidos, sugieren que, si bien algunos modelos de riesgo de uso común funcionan razonablemente bien, ninguno es muy preciso para identificar qué mujeres desarrollarán cáncer de mama.
Esta revisión Cochrane analizó 45 estudios que examinaban modelos de riesgo de cáncer de mama en mujeres con antecedentes familiares de esta enfermedad. Los investigadores evaluaron la precisión con la que los modelos predecían el riesgo futuro de cáncer de mama. Cuatro modelos se habían estudiado con la frecuencia suficiente para permitir un análisis detallado: Gail (BCRAT), Tyrer-Cuzick (IBIS), BOADICEA y BRCAPRO.
Al analizar el riesgo futuro de cáncer de mama, la revisión concluyó que el modelo BOADICEA mostró el desempeño general más equilibrado en mujeres con antecedentes familiares de cáncer de mama. Los modelos Gail y BOADICEA produjeron estimaciones de riesgo que, en general, se aproximaron al número de casos de cáncer de mama que se produjeron realmente en los estudios. Sin embargo, el modelo Tyrer-Cuzick tendió a sobreestimar el riesgo, mientras que BRCAPRO tendió a subestimarlo.
Cuando los investigadores examinaron la capacidad de los modelos para distinguir entre mujeres que desarrollaron cáncer de mama y aquellas que no lo hicieron (lo que técnicamente se conoce como precisión discriminatoria), todos los modelos mostraron un rendimiento modesto, pero ninguno se acercó a la precisión necesaria para personalizar completamente la atención médica.
La autora principal, la doctora Sarah McGarrigle, explica que los hallazgos ponen de relieve tanto el valor como las limitaciones de estos modelos en la predicción de riesgos.
"Estas herramientas ya se utilizan ampliamente en la práctica clínica, y ahora tenemos una idea más clara de su precisión en mujeres con antecedentes familiares de cáncer de mama", asegura. "Nuestros hallazgos sugieren que estas herramientas son útiles para la evaluación del riesgo, lo cual es alentador, pero aún nos queda mucho camino por recorrer".
Según los autores, los hallazgos respaldan los esfuerzos continuos para mejorar la evaluación personalizada del riesgo de cáncer de mama, en particular para las mujeres con antecedentes familiares importantes de la enfermedad.
"Para las mujeres con un riesgo elevado debido a sus antecedentes familiares de cáncer de mama, comprender su riesgo personal puede influir en algunas de las decisiones más importantes de su vida, como la frecuencia de las pruebas de detección y la conveniencia de un tratamiento preventivo", explica la profesora Elizabeth Connolly, autora principal del estudio. "Es fundamental que las herramientas que utilizamos para orientar estas conversaciones sean lo más precisas posible. Aún no lo hemos logrado, pero estamos progresando, y esta revisión nos ayuda a marcar el camino a seguir".
Muchos de los estudios que evaluaban estos modelos eran de baja calidad o de calidad poco clara, lo que limitaba la confianza en algunos de los resultados.
"Se necesitan estudios de mayor calidad y una mejora continua de estos modelos para que las mujeres y los médicos puedan tomar decisiones basadas en la información más precisa posible", finaliza McGarrigle.
