La radioterapia "a medida" mejorará los tratamientos contra el cáncer, según expertos españoles

MADRID, 23 (EUROPA PRESS)

Investigadores del Centro Nacional de Aceleradores (CNA) han asegurado que la radioterapia "a medida" mejorará los tratamientos contra el cáncer, gracias a una serie de modelos matemáticos que emplearán la técnica 'Dose Painting by Numbers', que permiten dirigir y adaptar la terapia para cada caso concreto.

Una investigación llevada a cabo en colaboración entre el grupo de Física Médica que dirige el profesor Antonio Leal en el Departamento de Fisiología Médica y Biofísica de la Universidad de Sevilla y el Centro Nacional de Aceleradores ha desarrollado un modelo de planificación de tratamientos radioterápicos basado exclusivamente en la imagen morfofuncional, considerando la información anatómica y fisiológica incluida en la imagen clínica del paciente.

"A diferencia del procedimiento habitual basado en la evidencia poblacional, donde la prescripción de la dosis de tratamiento tiende a ser homogénea a toda la lesión, se ha empleado una nueva forma de prescribir la dosis, conocida como Dose Painting by Numbers, tratando de aumentar la dosis en las zonas más resistentes o más activas del tumor", explica la doctora Jiménez Ortega.

La técnica 'Dose Painting by Numbers' exige una alta precisión en el cálculo de la dosis que recibe el paciente. Para ello, el equipo de trabajo apostó por el método matemático conocido como 'full Monte Carlo'. Con este modelo se tienen en cuenta tanto las posibles interacciones del haz de partículas terapéutico con los distintos componentes del acelerador, así como a través de los tejidos del paciente a tratar. Este método numérico permite una solución teórica precisa, en contraste con el cálculo analítico que se sigue en los planificadores comerciales instalados en los centros hospitalarios.

Como resultado de este trabajo, se han propuesto soluciones para tratamientos de radioterapia adaptativa basadas exclusivamente en los cambios en la imagen, lo que ayudará a una implementación de la técnica más flexible y abierta a propuestas de 'deep learning'. Los responsables de este estudio remarcan que "el procedimiento además, ofrece una metodología robusta, capaz de controlar las incertidumbres asociadas a la imagen morfofuncional, con lo que se espera pueda animar a los especialistas a usar este tipo de herramientas y así incorporar consideraciones biológicas que ayuden a un tratamiento del cáncer más personalizado y eficiente".