El tratamiento de los sarcomas avanzados mejora gracias a la inteligencia artificial
Los sarcomas de tejidos blandos avanzados representan un desafío mayor en oncología debido a su rareza y diversidad. Un análisis reciente ha revelado elementos clave para optimizar los tratamientos más allá de la segunda línea terapéutica, una fase en la que las opciones se vuelven limitadas y las decisiones, complejas.
El estudio se centró en 90 pacientes con sarcomas avanzados que habían recibido una tercera línea de tratamiento o más. Los investigadores utilizaron herramientas de inteligencia artificial para identificar los factores que influyen en la supervivencia global. Se observó que la progresión de la enfermedad durante la segunda línea de tratamiento reducía significativamente las posibilidades de supervivencia. Por el contrario, los pacientes con liposarcomas o leiomiosarcomas presentaban una supervivencia prolongada. Asimismo, un período sin progresión de más de un año tras la primera línea de tratamiento estaba asociado a un mejor pronóstico.
Los resultados también mostraron que el momento en que se administraban ciertos medicamentos tenía un impacto variable. El trabectedina, por ejemplo, conservaba su eficacia incluso en cuarta línea, lo que sugiere que podría utilizarse más tarde en el proceso terapéutico. En cambio, el pazopanib parecía más eficaz cuando se introducía antes, ya desde la segunda línea. Por último, la combinación de gemcitabina y docetaxel mostraba una eficacia estable, independientemente de la línea de tratamiento.
Estas observaciones subrayan la importancia de la respuesta a los tratamientos previos y del tipo de tumor en la toma de decisiones. Además, abren nuevas vías para afinar el orden de administración de las terapias, en función de su mecanismo de acción y su tolerancia. Los sarcomas de tejidos blandos, aunque raros, podrían beneficiarse así de estrategias más personalizadas, adaptadas a cada paciente y a cada etapa de la enfermedad.
Sources et crédits
Étude source
DOI : https://doi.org/10.1007/s40487-026-00446-7
Titre : Machine Learning-Guided Survival Prediction and Treatment Sequencing in Advanced Soft Tissue Sarcoma Beyond Second-Line Therapy: A Retrospective Cohort Study
Revue : Oncology and Therapy
Éditeur : Springer Science and Business Media LLC
Auteurs : Michael Hoberger; Dorit Di Gioia; Romy L. Zuber; Michael Völkl; Sinan E. Güler; Vindi Jurinovic; Markus Albertsmeier; Alexander Klein; Hans Roland Dürr; Nina-Sophie Schmidt–Hegemann; Thomas Knösel; Wolfgang G. Kunz; Michael von Bergwelt–Baildon; Lars H. Lindner; Anton Burkhard–Meier; Luc M. Berclaz