De acuerdo a una historia de Noticias de Investigación en Ciencia y Tecnología, un grupo de investigadores de la Clínica Cleveland, dirigido por el Dr. Aziz Nazha, presentará pronto un nuevo modelo de síndromes mielodisplásicos que predice los resultados para los pacientes de manera más precisa y personalizada. El modelo tiene ventajas demostrables sobre las herramientas disponibles actualmente.
Sobre los Síndromes Mielodisplásicos
Los síndromes mielodisplásicos son un tipo de cáncer de la sangre en el que las células sanguíneas en desarrollo permanecen inmaduras y no se transforman en células sanguíneas utilizables. Los factores de riesgo para esta enfermedad incluyen la exposición a radiación, quimioterapia, benceno, xileno y Agente naranja. Antecedentes de familia también es un riesgo, al igual que ciertos trastornos genéticos como el síndrome de Down. En un caso individual, es raro que se identifique la causa directa. Los síndromes mielodisplásicos rara vez se presentan con síntomas al principio, pero eventualmente pueden presentarse con anemia, neutropenia, trombocitopenia, anomalías celulares, anomalías cromosómicas, bazo y/o hígado agrandado, sangrado y moretones fáciles e infecciones. La enfermedad también tiene el potencial de evolucionar hacia leucemia mieloide aguda. El tratamiento puede incluir trasplante de médula ósea, trasplante de células madre, hemoderivados y ciertos agentes de quimioterapia. Los resultados en esta enfermedad varían ampliamente y pueden depender de varios factores. Para obtener más información sobre los síndromes mielodisplásicos, haga clic aquí.
Un Cáncer Impredecible
Los diversos factores que afectan el pronóstico para los pacientes con síndromes mielodisplásicos hacen que sea excepcionalmente difícil predecir los resultados. Estos resultados también varían ampliamente; Algunos pacientes no sobreviven más de varios meses, pero hay otros pacientes que pueden vivir por décadas con la enfermedad. A pesar de que existen múltiples sistemas de puntuación para los síndromes mielodisplásicos, hacen un mal trabajo de predecir la supervivencia, lo que significa que muchos pacientes pueden recibir un tratamiento excesivo o insuficiente.
El nuevo modelo utiliza un algoritmo que analiza los datos de salud de cada paciente individual. Estos datos pueden ingresarse simplemente en una aplicación web que emite predicciones sobre la supervivencia general y la probabilidad de que la enfermedad se transforme en leucemia mieloide aguda. El modelo fue capaz de predecir la supervivencia en un período de tiempo dado con una precisión del 74 por ciento en comparación con la precisión de solo el 67 por ciento de los modelos anteriores. También podría predecir la leucemia con una precisión del 80 por ciento en comparación con la precisión del 73 por ciento con el modelo anterior.
