Con los datos del mayor estudio del genoma completo en cáncer y numerosos ensayos clínicos, evaluando nuevas terapias, el 2024 se presenta como un año muy prometedor para lograr avances en el tratamiento del cáncer.
Nuevas vacunas contra el cáncer
Un reciente estudio indica que la vacunación frente al HPV iniciada hace tres décadas ha derivado en cero casos de cáncer de cuello de útero en las mujeres vacunadas.
En el caso de los cánceres que no tienen origen viral, el desarrollo de vacunas es más complicado.
La premisa, preparar o activar al sistema inmunitario contra las células tumorales del propio organismo, es simple, no obstante, la ejecución es más compleja.
Este escenario plantea dos retos importantes: identificar biomarcadores específicos de las células tumorales y hacer frente a la tendencia del cáncer a evadir la detección inmunitaria.
Una estrategia muy prometedora es desarrollar vacunas que reconozcan neoantígenos tumorales, péptidos mutados, producidos y expresados únicamente por las células tumorales.
Para ello, son imprescindibles las técnologías avanzadas de secuenciación genómica y análisis bioinformáticos que permiten identificar neoantígenos prometedores en muestras tumorales.
Estos neoantígenos se utilizan como diana para producir inmunoterapias o vacunas, que resultan de especial interés en combinación con la tecnología de desarrollo de vacunas de ARN.
En el 2024 se espera que las vacunas de neoantígenos, basadas en ADN o de ARN, se amplíen a nuevos tipos de cáncer.
Otro objetivo es diseñarlas para que reconozcan neoantígenos comunes presentes en diferentes pacientes.
En estos momentos, la mayor parte de las vacunas basadas en neoantígenos personalizadas se diseñan para cada paciente a partir de los neoantígenos producidos en sus tumores específicos. Favoreciendo un tratamiento de máxima precisión, pero tiene el inconveniente de que no permite su producción a mayor escala.
Así, la posibilidad de identificar neoantígenos presentes de forma más generalizada en distintos tipos de tumores podría facilitar la producción y el acceso a un mayor número de pacientes.
Por último, los resultados con las recientes vacunas indican que, combinadas con otras inmunoterapias, estas aproximaciones pueden ser más efectivas.
Las futuras investigaciones están dirigidas a determinar las combinaciones de vacunas con otras terapias ya aprobadas y regímenes de tratamiento más eficientes.
El futuro de las vacunas contra el cáncer es prometedor y relativamente cercano para algunos tipos de cáncer.
Terapias CAR-NK en investigación contra el cáncer
En los últimos años, las terapias celulares han emergido como una efectiva estrategia de inmunoterapia contra el cáncer.
De las terapias con linfocitos de donantes a los linfocitos T modificados, existen múltiples tratamientos aprobados, principalmente para el tratamiento de cánceres hematológicos.
Una de las incorporaciones más recientes a este tipo de aproximaciones celulares son las terapias basadas en células NK (Natural Killer) modificadas.
Como las células T, las células NK, son linfocitos, aunque en este caso pertenecen al sistema inmunitario innato.
Las células NK se destacan por su capacidad para reconocer y atacar células infectadas por virus y células tumorales sin la necesidad de un reconocimiento previo de antígenos específicos.
Por sus características, se espera que ofrezcan soluciones que no cubren las terapias con células CAR-T.
Las mismas, no necesitan un proceso de sensibilización previo como las células T, pero es necesario considerar la variedad de receptores de superficie que intervienen en su complejo mecanismo, para activar la destrucción de las células diana, que depende del equilibrio entre señales inhibidoras y activadoras.
Otra ventaja de las terapias basadas en células NK es que presentan un menor riesgo de causar síndromes de liberación de citocinas graves y enfermedad de injerto contra huésped.
Las células NK se podrían convertir en candidatas para el desarrollo de terapias con células alogénicas, que no utilicen células de los propios pacientes.
Hasta el momento, la mayor parte de las terapias celulares utilizan células de los propios pacientes que se modifican y amplifican en el laboratorio.
Esta estrategia con células autólogas requiere preparar el tratamiento de forma específica para cada paciente, lo que supone una fuerte limitación de recursos.
De ahí el interés en desarrollar terapias que puedan utilizar otros donantes, o, lo que sería todavía más deseable, terapias universales.
En el 2024 ya se han publicado algunos resultados prometedores para estas células en el ámbito del cáncer. Un ensayo clínico de fase 1-2 ha obtenido resultados positivos para una terapia con células NK derivadas de cordón umbilical modificadas genéticamente.
Tras utilizar la terapia en 37 pacientes con leucemia de células B resistentes al tratamiento, se obtuvo una respuesta del 100% en pacientes con linfoma no Hodgkin de bajo grado y un 67% de pacientes con leucemia linfocítica crónica.
Recientemente, se publicaron los resultados del mayor programa de secuenciación de genomas en cáncer.
El análisis combinado de datos genómicos y clínicos de 13 000 pacientes de cáncer participantes del programa 100.000 genomas del Reino Unido, reveló algo ya anunciado en estudios previos: que la secuenciación de genomas puede ofrecer una visión más completa del perfil genético de un tumor al detectar diversos cambios genéticos mediante una única prueba.
Los resultados mostraron, por ejemplo, que más del 90% de los tumores cerebrales y más del 50% de los cánceres de colon y pulmón presentan cambios genéticos que pueden afectar a la forma de tratar a los pacientes.
Gracias a su capacidad para procesar y analizar grandes conjuntos de datos complejos y extraer patrones significativos, la inteligencia artificial se ha convertido en una herramienta cada vez más presente en numerosas aplicaciones médicas y genómicas.
Se destacan principalmente sus aplicaciones en el campo de la imagen médica y el diagnóstico genético y genómico. Especialmente en el ámbito de la oncología.
En el caso de la genómica, la inteligencia artificial se empieza a utilizar en el desarrollo de modelos predictivos dirigidos a predecir la progresión del cáncer y la respuesta de los pacientes a tratamientos específicos, así como a sugerir tratamientos o identificar potenciales dianas para terapias.
Otro ejemplo, es facilitar una visión global de los pacientes, como se han propuesto en el Estudio DipCan, en el que se generará un algoritmo de inteligencia artificial que integre múltiples perspectivas (clínica, molecular, radiológica, anatómica…) de pacientes con tumores sólidos metastásicos.
El 2024, comienza con algunos ejemplos muy interesantes, como una herramienta diseñada por Genomics England que mejora la precisión de la secuenciación del genoma en cáncer hematológico, o un algoritmo desarrollado por la Universidad de California San Diego que predice cómo influyen las mutaciones del cáncer en la respuesta a ciertos tratamientos oncológicos.
Un área de gran interés, es el descubrimiento de fármacos, especialmente en cuanto a aumentar la tasa de éxito clínico de los fármacos en desarrollo, determinar las combinaciones de terapias más eficaces contra el cáncer o identificar tratamientos para dianas moleculares consideradas hasta el momento como “no tratables”, como algunas mutaciones de KRAS.
Por ejemplo, herramientas como AlphaFold, algoritmo que predice la estructura de las proteínas, pueden suponer un importante ahorro de tiempo para identificar fármacos adecuados y se espera también que surjan nuevos algoritmos que participen en otras etapas, como el diseño de moléculas que se unan a dianas de interés.
Otros temas de relevancia son los tratamientos basados en ARN con capacidad replicativa, o las biopsias líquidas, que han avanzado desde hace unos años y donde, de nuevo, la combinación de genómica e inteligencia artificial puede derivar en importantes avances para el diagnóstico.
