Módulo 1

2.1.8. Otras áreas de mejora

Una de las principales áreas de mejora consiste en generar modelos más complejos añadiendo diferentes biomarcadores (diferentes “ómicas/omics”, biomarcadores de la coagulación, etc.) a las variables clínicas ya empleadas, que potencialmente pueden aumentar significativamente la predicción. Los miRNA y los NET se están postulando como biomarcadores atractivos que pudieran complementar a los que ya están disponibles con evidencia clínica. Por otro lado, la genómica de la neoplasia también parece condicionar el riesgo [43] y podría ser interesante añadir esta información genómica somática tumoral en la predicción del riesgo de ETV como ya se ha hecho en algún estudio [44], en el que la inclusión de las mutaciones del cáncer colorrectal en la evaluación del riesgo mediante modelos clásicos (Khorana, PROTECHT, CONKO o Vienna CATS) mejora de forma sustancial la predicción de ETV. En el momento actual, la medicina de precisión y la terapia personalizada son un logro de la oncología moderna que de momento no se ha aplicado en profundidad en el manejo de la ETV asociada al cáncer. Los test genéticos están ampliamente disponibles en la práctica oncológica actual y se utilizan de forma rutinaria para seleccionar el tratamiento e incluso valorar el pronóstico. Toda esta información y tecnología se podría aplicar al área de la trombosis asociada al cáncer. Si se sacrifica la simplicidad y se opta por modelos clínico-biológicos más complejos, sería deseable que estos modelos proporcionaran un valor predictivo positivo superior al 40%. Las principales limitaciones de este abordaje “complejo” son el coste asociado a la medición de estos biomarcadores y la complejidad de la medición (tiempo de respuesta corto, disponibilidad en el centro, etc.).

La segunda es desarrollar modelos exclusivos de cada tumor, como se ha comentado previamente. Esto último puede provocar que se generen decenas de modelos, incluso diferentes modelos dentro de un mismo tipo de tumor (modelo para cáncer microcítico de pulmón versus no microcítico o incluso basado en alteraciones moleculares –translocacIón ALK o ROS-1–), lo que eventualmente podría limitar su aplicación clínica o bien que los tumores menos frecuentes no dispusieran de un modelo específico.

2.1.9. Áreas de aplicación modelos predictivos de riesgo

La aplicación de modelos predictivos de riesgo en la práctica clínica tiene 4 áreas de interés:

1. Educación: la mayoría de los pacientes oncológicos desconocen el riesgo de desarrollar un evento trombótico asociado al cáncer. En una encuesta de pacientes con cáncer el 53% de los encuestados desconocía el incremento del riesgo de ETV cuando se diagnostica un cáncer. La mejora en la educación puede favorecer el reconocimiento precoz de síntomas y el diagnóstico precoz, y secundariamente la mejor aceptación de estrategias profilácticas (tromboprofilaxis farmacológica) y la participación en ensayos clínicos. La propuesta es realizar una educación intensificada dirigida solo a los pacientes de alto riesgo.
2. Screening: en los pacientes con criterios de alto riesgo se podría plantear una estrategia de screening o búsqueda activa de ETV. La detección precoz del evento trombótico podría permitir un inicio precoz de la terapia anticoagulante y eventualmente mejorar el pronóstico de esta enfermedad. Por el momento, no existe evidencia en la literatura para plantear este tipo de estrategias adaptadas al riesgo. Sin embargo, evidencia indirecta reciente ha sugerido la efectividad de los métodos de screening en población altamente seleccionada. Un pequeño estudio unicéntrico publicado por Khorana realizó ecografía Doppler bilateral a 32 pacientes de alto riesgo (score de Khorana ≥ 3) previa al inicio de quimioterapia. Se observó una incidencia de TVP asintomática de 9,3%. En un estudio aleatorizado de tromboprofilaxis primaria el 8,5% de los pacientes con score de Khorana ≥ 3 no se aleatorizaron por la presencia de un evento trombótico en el screening del estudio.
3. Tromboprofilaxis: los modelos predictivos de riesgo pueden permitir seleccionar a los pacientes candidatos a recibir tromboprofilaxis farmacológica con la relación riesgo/beneficio más favorable. Esta estrategia ya ha sido recogida por las diferentes guías clínicas; por ejemplo, las guías de la ASCO y la SEOM recomiendan la valoración del riesgo basada en modelos predictivos validados y no en factores de riesgo aislados.
4. Pronóstico oncológico: en la cohorte original del estudio de Khorana se ha descrito la relación entre la puntuación del score y la supervivencia global y libre de progresión. La mortalidad a 4 meses fue de 12,7, 5,9 y 1,4% para las categorías de alto, intermedio y bajo riesgo, respectivamente. Y una tendencia similar fue observada para la supervivencia libre de progresión: 27,2, 16,4 y 8,5%. Otros estudios han demostrado resultados similares en cáncer de colon, pulmón y páncreas, y también se ha observado con otros scores (por ejemplo, score dinámico de Alexander) [39], por lo tanto se puede concluir que puede ser una ayuda a la hora de pronosticar la supervivencia de un paciente más allá de las variables clásicas como el estadio de la enfermedad.