Investigadores del Consejo Superior de Investigaciones Científicas (CSIC), organismo adscrito al Ministerio de Ciencia, Innovación y Universidades, han desarrollado un modelo matemático capaz de identificar la estrategia óptima para la detección precoz del cáncer colorrectal.
El estudio, publicado en Computers in Biology and Medicine, muestra que un enfoque de cribado personalizado, basado en el riesgo individual de cada persona, permite detectar más casos incipientes utilizando los mismos recursos que las estrategias actuales.
Cáncer colorrectal: un reto global
El cáncer colorrectal es el tercer tipo de cáncer más común en el mundo, representando el 10% de los casos y el 12% de las muertes por causas oncológicas. La detección temprana es clave para reducir la mortalidad. Actualmente, la mayoría de los programas de cribado se basan únicamente en la edad y aplican la misma prueba a todos los mayores de cierta edad.
Cómo funciona el modelo
El modelo, diseñado por Daniel Corrales y David Ríos (CSIC, Instituto de Ciencias Matemáticas – ICMAT) junto con Marino J. González (Universidad de La Rioja), identifica las variables asociadas con un alto riesgo de padecer cáncer colorrectal. Entre estas se incluyen:
- Edad (variable con mayor asociación)
- Presencia de enfermedades como diabetes e hipertensión
- Consumo de tabaco y alcohol
- Índice de masa corporal
Según el nivel de riesgo, el modelo sugiere el tipo de prueba más adecuado: la detección de sangre en heces para riesgo medio y pruebas más sensibles, como la prueba de ADN en heces, para riesgo alto.
“Nuestra propuesta permite evaluar exhaustivamente los programas nacionales de cribado y compararlos con otras estrategias. Detectar más casos incipientes puede reducir la mortalidad y optimizar recursos a largo plazo”, asegura David Ríos.
Redes bayesianas para analizar riesgos
El proyecto europeo Oncoscreen sirvió de marco para desarrollar una red bayesiana, un modelo gráfico que representa la relación entre múltiples variables de riesgo, como edad, diabetes o presencia de células cancerígenas.
- Los nodos representan variables de interés
- Los arcos indican dependencia entre variables
- Cada nodo contiene una tabla de probabilidad que refleja la incidencia del evento según los datos disponibles
“Es una herramienta visual que facilita la interpretación de los factores de riesgo y permite calcular el riesgo individual de cada paciente”, explica Daniel Corrales.
Matemáticas aplicadas a la toma de decisiones clínicas
Con la información del paciente, el modelo sugiere la prueba más adecuada considerando:
- Coste de la prueba
- Información que aporta
- Molestia para el paciente
Para riesgos bajos, la mayoría de la población no necesitaría pruebas. En riesgo alto, se recomiendan test más sensibles para minimizar falsos negativos y aumentar la eficacia del cribado.
El modelo se desarrolló combinando conocimiento experto y aprendizaje automático a partir de datos de dos millones de pacientes, complementando la información con entrevistas a médicos y revisión de literatura científica.
Futuro del cribado personalizado
Los hallazgos del estudio serán utilizados para evaluar nuevas tecnologías de detección precoz de cáncer colorrectal dentro del proyecto Oncoscreen, desarrollado por centros de investigación y universidades colaboradoras.
“La estrategia personalizada no solo mejora la detección temprana, sino que también permite un uso más eficiente de los recursos sanitarios”, concluyen los autores.
No te pierdas una noticia, suscribete gratis para recibir DiarioSalud en tu correo, siguenos en Facebook, Instagram, Twitter, Linkedln, telegram y Youtube
