Los súper ordenadores ayudan a los investigadores a diseñar modelos de cáncer y a predecir resultados de tratamientos con base en condiciones específicas del paciente.
Un grupo de investigadores ha desarrollado modelos computacionales para predecir cómo progresará el cáncer de un individuo específico, con base en las respuestas a la comunicación proteínica celular y sub celular de tejidos. Los modelos pueden predecir cómo crecerán los tumores cerebrales (gliomas) con mucho mayor precisión que modelos previos. Recientemente, el grupo comenzó un estudio clínico para predecir cómo progresará el cáncer de un individuo después de un ciclo de terapia, y para usar esa predicción para planificar el curso del tratamiento.
El estado actual de la investigación sobre el cáncer
Los intentos de erradicar el cáncer a menudo son comparados con el lanzamiento de una nave espacial a la Luna — el exitoso esfuerzo que envió a los primeros astronautas a la Luna.
Pero imagina que si en vez de la segunda ley de movimiento de Newton, la cual describe la relación entre la masa de un objeto y la cantidad de fuerza necesaria para acelerarlo, sólo tuviéramos una gran cantidad de datos relacionados con el lanzamiento al aire de varios objetos.
Esto, dice Thomas Yankeelov, se aproxima al estado actual de la investigación del cáncer: rica en datos pero falta de leyes y modelos rectores.
La solución, cree él, no es realizar minería de grandes cantidades de datos de pacientes, como algunos insisten en hacer, sino matematizar el cáncer: descubrir las fórmulas fundamentales que representan cómo se comporta el cáncer en sus tantas formas.
Las matemáticas del cáncer
“Estamos intentando construir modelos que describan la manera en que los tumores crecen y responden a la terapia,” dijo Yankeelov, director del Centro para Oncología Computacional en la Universidad de Texas en Austin (UT Austin) y director de Investigación para la Generación de Imágenes del Cáncer en los Institutos para el Cáncer LIVESTRONG de la Escuela de Medicina Dell. “Los modelos tienen parámetros en ellos que son compatibles con muchos tipos de datos, y nosotros intentamos hacerlos muy específicos para alimentarlos con medidas de pacientes individuales.”
El Centro para la Oncología Computacional (parte del Instituto para la Ingeniería y Ciencias Computacionales, o ICES) está desarrollando modelos computacionales complejos y herramientas analíticas para predecir cómo progresará el cáncer en un individuo en específico, con base en sus características biológicas únicas.
En diciembre de 2017, al escribir en la publicación Computer Methods in Applied Mechanics and Engineering, Yankeelov y sus colaboradores de la UT Austin y la Universidad Técnica de Múnich, demostraron que pueden predecir cómo crecerán los tumores cerebrales (gliomas) y cómo responderán a terapia de radiación de rayos X con mucho mayor precisión que modelos anteriores. Lograron esto incluyendo factores como las fuerzas mecánicas que actúan en las células y la heterogeneidad celular del tumor. El trabajo continúa la investigación que fue descrita inicialmente en el Journal of The Royal Society Interface, en abril de 2017.
“Ahora estamos en la fase donde intentamos recapitular datos experimentales, por lo que tenemos confianza de que nuestro modelo está capturando los factores clave,” afirmó Yankeelov.
Para desarrollar e implementar sus complejos modelos matemáticos, el grupo usa los recursos avanzados de informática del Centro de Computación Avanzada de Texas (TACC). Los súper ordenadores del TACC les permiten a los investigadores resolver problemas mayores de los que podrían resolver de otra forma, y obtener soluciones mucho más rápidamente que con un único ordenador o red de ordenadores en el campus.
De acuerdo con el director del ICES, J. Tinsley Oden, los modelos matemáticos de la invasión y el crecimiento de tumores en tejido vivo han estado “incendiando la literatura desde hace una década,” y en los últimos años se han realizado avances significativos.
“Estamos logrando progreso auténtico para predecir el crecimiento y deterioro del cáncer y su reacción a distintas terapias,” dijo Oden, miembro de la Academia Nacional de Ingeniería.
Fecha: 3 de enero de 2018
Link: https://www.sciencedaily.com/releases/2018/01/180103123054.htm
Fuente: Centro Avanzado de Computación de la Universidad de Texas en Austin, Texas
Fuente original de la historia:
Materiales proporcionados por el Centro de Computación Avanzada de Texas, de la Universidad de Texas en Austin. Original escrito por Aaron Dubrow. Nota: el contenido podría haber sido editado en estilo y extensión.
Referencia de la publicación:
E.A.B.F. Lima, J.T. Oden, B. Wohlmuth, A. Shahmoradi, D.A. Hormuth, T.E. Yankeelov, L. Scarabosio, T. Horger. Selection and validation of predictive models of radiation effects on tumor growth based on noninvasive imaging data (Selección y validación de modelos predictivos de los efectos de la radiación en el crecimiento de tumores, con base en datos de generación de imágenes no invasiva). Computer Methods in Applied Mechanics and Engineering, 2017; 327: 277 DOI: 10.1016/j.cma.2017.08.009
Nota: Instituto Nutrigenómica no se hace responsable de las opiniones expresadas en el presente artículo.
