Un equipo multidisciplinar de investigadores, liderados por profesores de la Universidad de Oviedo, ha desarrollado un modelo de algoritmos matem\u00e1ticos capaces de predecir el comportamiento de las leucemias linfoc\u00edticas cr\u00f3nicas. Esta nueva metodolog\u00eda puede resultar de gran ayuda para el personal cl\u00ednico ya que anticipa qu\u00e9 pacientes van a necesitar quimioterapia o van a adquirir enfermedades autoinmunes.<\/p>\n
Este estudio, que acaba de ser publicado en el Journal of Biomedical Informatics<\/em>, es fruto del trabajo conjunto de investigadores del grupo de Problemas Inversos del Departamento de Matem\u00e1ticas y del Centro de Inteligencia Artificial de la Universidad de Oviedo, del Instituto Universitario Oncol\u00f3gico del Principado de Asturias (IUOPA), y del departamento de Hematolog\u00eda del Hospital Universitario Central de Asturias (HUCA).<\/p>\n Juan Luis Fern\u00e1ndez Mart\u00ednez, profesor del Departamento de Matem\u00e1ticas de la Universidad de Oviedo y la doctora Ana Pilar Gonz\u00e1lez-Rodr\u00edguez del Hospital Universitario Central de Asturias, ambos firmantes del art\u00edculo, describen la leucemia linfoc\u00edtica cr\u00f3nica como una enfermedad con gran variabilidad cl\u00ednica. Gonz\u00e1lez-Rodr\u00edguez comenta que \u201cuno de los mayores retos de esta patolog\u00eda es la predicci\u00f3n de su evoluci\u00f3n para que los pacientes se beneficien de un tratamiento precoz y m\u00e1s intenso. De ah\u00ed surgi\u00f3 nuestra colaboraci\u00f3n con estos expertos de la modelizaci\u00f3n\u201d.<\/p>\n Los investigadores analizaron una base de datos con diferentes variables cl\u00ednicas de 265 pacientes del Hospital de Cabue\u00f1es, en Gij\u00f3n, para idear este nuevo modelo matem\u00e1tico. Los algoritmos resultantes fueron capaces de predecir el desarrollo de enfermedades autoinmunes con una exactitud del 90% y la necesidad de utilizar quimioterapia con un 80%. Esta reducci\u00f3n de la fiabilidad en el caso de la quimioterapia, pese a que sigue siendo muy alta, se debe a la heterogeneidad con la que se suele tomar la decisi\u00f3n de facilitar o no quimio<\/em>, que no siempre depende de criterios biol\u00f3gicos.<\/p>\n La metodolog\u00eda utilizada por el equipo investigador incluye el an\u00e1lisis de riesgo mediante curvas (dentro de lo que en ingl\u00e9s se denomina Receiver Operating Characteristic<\/em>), lo que permite alcanzar un equilibrio entre falsos positivos y falsos negativos. Esta herramienta fue desarrollada por ingenieros de telecomunicaciones en conflictos b\u00e9licos para medir la eficacia en la detecci\u00f3n de objetos enemigos mediante radares y fue introducida posteriormente en diferentes campos de la medicina y de la psicolog\u00eda.<\/p>\n El estudio realizado con los pacientes del hospital gijon\u00e9s revel\u00f3 a su vez la importancia de diferentes variables de pron\u00f3stico asociadas a las caracter\u00edsticas de las plaquetas, los reticulocitos (gl\u00f3bulos rojos que no han alcanzado su total madurez) y las c\u00e9lulas NK (Natural Killer), que son las principales dianas en el desarrollo de enfermedades autoinmunes. Tambi\u00e9n puso de relieve otros factores que no suelen ser considerados a la hora de decidir el uso de la quimioterapia.<\/p>\n El profesor Fern\u00e1ndez Mart\u00ednez subraya que uno de los puntos fuertes de esta metodolog\u00eda es que, dada su simplicidad, se implant\u00f3 en una hoja de Excel que se public\u00f3 junto al art\u00edculo. \u201cLos datos en los que se basan las predicciones son sencillos, baratos y accesibles para cualquier hospital. An\u00e1lisis similares se podr\u00edan realizar con otros datos y otras patolog\u00edas, como en el pasado hemos hecho con el linfoma de Hodgkin. El big data<\/em> hospitalario se convertir\u00eda as\u00ed en una verdadera mina de conocimiento\u201d, concluye el investigador.<\/p>\n Referencia bibliogr\u00e1fica:<\/strong>\u00a0Enrique J. de Andr\u00e9s Galiana, Juan L. Fern\u00e1ndez-Mart\u00ednez , \u00d3scar Luaces, Juan J. del Coz, Leticia Huergo-Zapico, Andrea Acebes-Huerta, Segundo Gonz\u00e1lez, Ana P. Gonz\u00e1lez-Rodr\u00edguez. \u00abAnalysis of clinical prognostic variables for Chronic Lymphocytic Leukemia decision-making problems\u00bb. Journal of Biomedical Informatics<\/em>, marzo 2016.<\/p>\nAn\u00e1lisis de riesgo mediante curvas<\/h4>\n