La toma de decisiones clínicas en oncología se fundamenta en los datos obtenidos a partir de ensayos clínicos, que ofrecen información estandarizada sobre la eficacia y la seguridad de los tratamientos. Estos resultados son analizados por paneles de expertos y se integran en las guías de práctica clínica elaboradas por las principales sociedades médicas. Dichas guías establecen el estándar de atención basado en la evidencia y orientan tanto el diagnóstico como el tratamiento, promoviendo un proceso de toma de decisiones compartido entre profesionales sanitarios y pacientes.
Diversos estudios han demostrado que seguir estas recomendaciones contribuye a mejorar la supervivencia y otros indicadores clave en pacientes oncológicos. En el caso del melanoma maligno, el pronóstico ha mejorado de forma significativa en las últimas décadas gracias a la incorporación de tratamientos eficaces basados en la evidencia científica.
No obstante, un número considerable de pacientes sigue enfrentándose a la recurrencia o progresión de la enfermedad. En estos casos, las opciones terapéuticas disponibles son limitadas, lo que convierte su abordaje clínico en un reto complejo que, en muchas ocasiones, no está contemplado de forma específica en las guías de práctica clínica.
En este contexto, el proyecto Tumor Profiler (TuPro) se presenta como una iniciativa observacional, multicéntrica, prospectiva y no aleatorizada, cuyo objetivo es evaluar la utilidad de los análisis ómicos funcionales, unicelulares y masivos en la toma de decisiones clínicas realizadas por juntas moleculares de tumores.
El propósito del proyecto, publicado en Nature Medicine, es respaldar tanto las decisiones terapéuticas basadas en las guías clínicas dentro del estándar de atención basado en la evidencia, como aquellas fundamentadas en datos más amplios, que permiten identificar biomarcadores adicionales potencialmente relevantes fuera del marco convencional. En el estudio se presentan los resultados correspondientes a 116 pacientes con melanoma incluidos en el proyecto TuPro.
Resultados clínicos
El estudio presenta varios resultados clínico-traslacionales obtenidos en el marco de este proyecto. En primer lugar, se logró generar con éxito conjuntos de datos moleculares de alta calidad a partir de biopsias de tumores de melanoma, utilizando dos tecnologías estándar —DigiPath y secuenciación de nueva generación (NGS)— junto a siete tecnologías experimentales de alto rendimiento, en su mayoría a nivel unicelular. Estas incluyen farmacoscopia, 4iDRP, IMC, CyTOF, proteotipado, scRNA-seq y scDNA-seq, que ofrecen perspectivas complementarias sobre la biología tumoral.
En segundo lugar, el estudio alcanzó un tiempo de respuesta clínicamente relevante de cuatro semanas desde la obtención de la muestra hasta el análisis y la recomendación terapéutica por parte de las juntas moleculares de tumores. Este resultado demuestra que es factible incorporar tecnologías multiómicas en los procesos diagnósticos de la práctica clínica oncológica.
Además, se estableció con éxito un proceso integral que permitió trasladar los datos generados al ámbito clínico, facilitando la toma de decisiones a través del análisis multimodal. Según el estudio, la integración de las juntas moleculares de tumores en la toma de decisiones clínicas se asocia con mejoras en distintas métricas de resultado. No obstante, los autores subrayan la necesidad de realizar ensayos clínicos aleatorizados que permitan validar formalmente estos hallazgos en el futuro.
Información molecular y celular
El proyecto TuPro integró múltiples capas de información molecular y celular, incluyendo datos sobre fosforilación, interacciones célula-célula, características del microambiente tumoral, marcadores inflamatorios e inmunes, así como la respuesta a fármacos ex vivo. Todo ello, factores que presentan un papel fundamental en la evolución hacia procesos avanzados y personalizados de toma de decisiones predictivas en oncología.
En el grupo de pacientes que recibieron tratamientos más allá del estándar de atención basado en la evidencia (SOC), las recomendaciones terapéuticas individualizadas se basaron en un mayor número de marcadores —un promedio de 5— en comparación con los 4 marcadores utilizados en el grupo tratado con terapia paliativa dentro del SOC. Este enfoque multimarcador condujo a respuestas clínicamente significativas en el 38% de los pacientes que recibieron terapias más allá del SOC, frente al 60% observado en el grupo SOC paliativo.
Aunque los marcadores empleados en este proyecto están principalmente orientados a mecanismos conocidos y fármacos disponibles, la rápida adopción del panel ampliado evidencia la confianza creciente de los médicos en estas nuevas lecturas para guiar las decisiones terapéuticas.
Además, el estudio incorporó fármacos que no forman parte del tratamiento clínico convencional para pacientes con melanoma. En este sentido, las tasas de respuesta observadas en la cohorte TuPro más allá del SOC resultan comparables y, en algunos casos, favorables frente a las reportadas en otros ensayos clínicos agnósticos de tumores o en estudios de fase I/II, donde las tasas de respuesta objetiva (ORR) varían entre el 2% y el 53%, con una mediana de supervivencia libre de progresión (SSP) de 5 a 7 meses.
Utilizar análisis ómicos
Además, un análisis comparativo entre pacientes con melanoma incluidos en el proyecto TuPro y una cohorte sincrónica no incluida en el estudio sugiere que los tratamientos guiados por tecnologías ómicas ofrecen resultados similares o superiores en control de la enfermedad y supervivencia libre de progresión. Esto destaca la importancia de utilizar análisis multiómicos para predecir respuestas terapéuticas, especialmente en pacientes con perfiles difíciles de tratar, y posiciona a TuPro como una iniciativa clave para avanzar en terapias personalizadas y en el conocimiento biológico a nivel de cohorte.
Sin embargo, los investigadores reconocen limitaciones en el enfoque actual, principalmente porque la selección de marcadores depende de la interpretación de expertos humanos, lo que puede no aprovechar toda la información disponible en los datos.
Para mejorar los resultados clínicos, señalan la necesidad de integrar inteligencia artificial y aprendizaje automático que permitan analizar la complejidad de los datos ómicos y funcionales. Además, resaltan que el tamaño reducido de las muestras y la heterogeneidad de los pacientes dificultan la generalización de los hallazgos.
Por último, el proyecto fue diseñado como un estudio de viabilidad para identificar a los pacientes con mayor potencial de beneficiarse de análisis ampliados, especialmente aquellos con enfermedad avanzada y resistencia a tratamientos convencionales. Debido a las incertidumbres actuales y limitaciones metodológicas, los autores concluyeron que serán necesarios ensayos clínicos aleatorizados y doble ciego para validar y confirmar formalmente los beneficios observados en este estudio.
