Post de Martina Conte, investigadora predoctoral (INPhINIT 2017) del Basque Center for Applied Mathematics (BCAM)

Tot i els evidents avenços científics aconseguits en els darrers anys, tant en l’àrea de diagnòstic precoç com en el desenvolupament de teràpies específiques i innovadores, la taxa mundial de mortalitat per càncer no ha experimentat una disminució proporcional als esforços de recerca i les inversions. El càncer continua sent una de les principals causes de mortalitat a tot el món. Llavors, per què no busquem una ajuda addicional per a aquesta lluita en un camp científic que amb prou feines s’associa a la recerca mèdica?

En les últimes dècades, el paper del modelatge matemàtic s’ha tornat cada vegada més rellevant en molts aspectes. Des de camps d’aplicació científica, com l’enginyeria i la informàtica, passant per la física i fins a la biologia i la medicina. En particular, està sorgint un interès especial en la recerca i l’aplicació biomèdica, amb l’escenari de nous i estimulants reptes.

La idea de fer servir el modelatge matemàtic com a suport per proporcionar possibles respostes als problemes del creixement i el desenvolupament del tumor sorgeix exactament per enfrontar-se a aquests reptes.

La problemàtica dels tumors cerebrals

Els tumors cerebrals, especialment el glioblastoma, encara que no apareixen entre els que tenen més incidència, es troben entre els més agressius i invasius, amb un mal pronòstic i, sovint, una curta esperança de vida. Un dels principals problemes associats al diagnòstic i el consegüent tractament d’aquestes neoplàsies és la dificultat d’obtenir una estimació clara de la infiltració del tumor i de la seva vora exterior real. Les cèl·lules tumorals són altament mòbils i, quan exploten les característiques intrínseques del teixit nerviós, es propaguen dins el cervell creant regions tumorals de baixa densitat que sovint no poden detectar-se amb les tècniques d’imatge mèdica actuals. En conseqüència, tant la resecció quirúrgica com els tractaments posteriors de quimioteràpia i la radioteràpia podrien no arribar a ser un èxit complet.

És en aquest context que sorgeix el nostre projecte de recerca, i que desenvolupo en el marc de la beca de doctorat INPhINIT ”la Caixa”. A partir del processament de les dades clíniques del pacient, que es poden obtenir amb diverses tècniques d’imatge, és possible reconstruir de manera precisa la geometria del teixit cerebral i inferir estimacions apropiades dels valors dels paràmetres involucrats.

Sobre aquesta base es construeix un model matemàtic. Traduïm en equacions els comportaments cel·lulars que volem tenir en compte: des del procés de proliferació fins a la difusió cel·lular, la migració i el modelatge d’un possible abordatge terapèutic.

L’elecció dels processos a considerar pot variar àmpliament, d’acord amb les dades disponibles per a cada un d’ells. De fet, l’objectiu és conèixer la fiabilitat i l’aplicabilitat final del model.

Posant en pràctica el model

Però, com pot ser que aquest context teòric es pugui fer servir a la pràctica per proporcionar informació útil per als metges en la lluita contra el càncer?

Després de construir el model i de fer-ne una implementació computacional, el que realment tenim a les mans és un pacient virtual.

En posar en marxa el model que reflecteix la situació clínica real d’un pacient, és possible simular l’evolució temporal, el creixement i el desenvolupament del tumor. I en la reconstrucció de la geometria realista del teixit cerebral, hi podem veure en quines àrees el tumor està creixent, estenent-se i emigrant.

És possible simular la resposta cel·lular a diferents variacions de les condicions del microambient, en termes, per exemple, de fluctuacions d’oxigen o privació de nutrients. A més, podem verificar l’efecte de teràpies potencials, canviar les dosis, les combinacions i l’horari. Però sobretot, cometre una errada en el model no és un problema, ja que el nostre pacient no es veurà afectat per les conseqüències. Per contra, amb aquest model podem fer tants experiments com vulguem fins a aconseguir el resultat òptim i, només llavors, fer-lo servir per establir la millor estratègia operativa per al pacient real. Aquesta és la major avantatge d’aquest marc matemàtic.

També hem de ser prudents. De fet, cada model porta una sèrie d’hipòtesis, de vegades simplificades, necessàries per produir resultats concrets però que, al mateix temps, pot donar lloc a discrepàncies respecte als resultats esperats. Per tant, cal tenir-ho sempre en compte en el moment de la interpretació del resultat.

És fonamental emfatitzar com aquestes noves eines, basades en el concepte del modelatge matemàtic i la simulació en pacients virtuals, podria canviar la perspectiva en aquest camp de recerca. Necessitem una sinèrgia creixent entre la recerca mèdica pura i el possible suport biomèdic que els models matemàtics poden oferir. Aquesta recerca podria ser un important pas endavant en la lluita contra el càncer.

Aquest és el missatge intrínsec que aquest projecte està duent a terme. Els nombres i les equacions, que desafortunadament massa sovint els estudiants odien i tracten d’evitar, realment es podrien convertir en un jugador clau sorprenent en aquesta lluita.