Archivo - Prostata - MAGICMINE/ISTOCK - Archivo
MADRID, 9 Jun. (EUROPA PRESS) -
Un nuevo enfoque de aprendizaje automático para el tratamiento con antígeno de membrana específico de la próstata (PSMA) en el cáncer de próstata metastásico resistente a la castración (mCRPC) podría estimar la dosis de radiación en tumores y órganos sanos antes de que comience la terapia, según un trabajo de la Universidad de Southampton (Reino Unido).
Utilizando datos ya disponibles de exploraciones PET/CT previas al tratamiento, esta novedosa herramienta de predicción podría ayudar a personalizar los planes de tratamiento, mejorar la selección de pacientes y reducir el riesgo de toxicidad. Esta investigación se presenta en la Reunión Anual de la Sociedad de Medicina Nuclear e Imagen Molecular de 2026 (Los Ángeles, Estados Unidos).
La dosimetría es fundamental para optimizar la terapia con radiofármacos 77Lu-PSMA en el mCRPC. Actualmente, las imágenes posteriores al tratamiento se utilizan habitualmente para calcular la dosimetría; sin embargo, este proceso consume mucho tiempo y recursos. La PET/CT previa al tratamiento ofrece la oportunidad de evaluar la posible eficacia y el riesgo del tratamiento antes de la terapia.
"La PET/TC con 18F-PSMA ya se realiza de forma rutinaria y está ampliamente disponible en pacientes con cáncer de próstata, pero su potencial para predecir la dosis de radiación del tratamiento no se había explorado previamente", destaca Amit Nautiyal, doctor en filosofía, científico e investigador del Instituto Nacional de Investigación en Salud y Atención (NIHR) en el Hospital Universitario de Southampton y la Universidad de Southampton en el Reino Unido.
"Nuestro estudio buscaba determinar si la información ya disponible de estas exploraciones podría guiar la planificación del tratamiento antes de que comience la terapia y respaldar una atención más personalizada".
En este estudio de prueba de concepto, se incluyeron nueve pacientes con cáncer de próstata metastásico resistente a la castración (CPRCm) derivados para terapia con el radiofármaco 77Lu-PSMA, que aportaron 57 tumores, 36 glándulas salivales y 18 riñones para el análisis. Los investigadores desarrollaron un modelo de efectos mixtos de aprendizaje automático para predecir las dosis absorbidas en tumores y órganos.
Los predictores incluyeron métricas de PET basadas en la captación, características radiómicas y biomarcadores clínicos. Las estimaciones predictivas se compararon con la dosimetría calculada después de un ciclo de terapia con 77Lu-PSMA para evaluar la precisión. El modelo de aprendizaje automático basado en PET/CT con 18F-PSMA previo al tratamiento demostró una capacidad prometedora para predecir la dosis absorbida en tumores y órganos.
Al combinar características de captación, radiómica y biomarcadores clínicos, y teniendo en cuenta la variabilidad individual de cada paciente, el modelo muestra potencial para utilizar la información previa al tratamiento en la predicción de la dosimetría posterior.
"Si se valida en estudios más amplios, este enfoque podría mejorar la selección de pacientes y facilitar una mejor toma de decisiones durante la evaluación previa al tratamiento, lo que ayudaría a optimizar la terapia con 77Lu-PSMA para cada paciente. En términos más generales, pone de manifiesto cómo las técnicas de imagen pueden ir más allá del diagnóstico para guiar activamente el tratamiento personalizado", comentan los investigadores.
Esta investigación de prueba de concepto es parte de un programa planificado de cinco años destinado a recopilar más datos y desarrollar un modelo robusto y validado. Este trabajo fue financiado por el NIHR en el Reino Unido.
El trabajo futuro se centrará en cohortes multicéntricas más grandes para refinar las predicciones de dosis absorbida preterapéutica y realizar una validación independiente para respaldar la estratificación de pacientes para la terapia radiofarmacéutica personalizada con 77Lu-PSMA en la práctica clínica.
