El cáncer colorrectal (CCR) es un problema de salud pública de primera magnitud en países occidentales. La piedra angular del cáncer de colon localmente avanzado continua siendo la cirugía. Sin embargo, en estadios I-III, existe un amplio consenso respecto al empleo de quimioterapia adyuvante con esquemas basados en una combinación de oxaliplatino y fluoropirimidinas. Sin embargo, en los últimos años se ha extendido el empleo de quimioterapia preoperatoria o neoadyuvante (QTNA), ya que se asocia con una significativa reducción en la afectación ganglionar, un incremento en las tasas de R0 y una tendencia a un menor riesgo de recaída respecto a un enfoque convencional. Tan sólo la inestabilidad de microsatélites y el grado de regresión histológica tras la QTNA se han correlacionado hasta la fecha con el pronóstico. Por ello, es necesario una mejor selección de los pacientes para poder optimizar su tratamiento. Identificar subgrupos de pacientes que puedan beneficiarse en mayor medida de esta estrategia es, a día de hoy, una prioridad.
En este proyecto se plantea diseñar y validar una herramienta de predicción del riesgo individual de recidiva tras un programa de QTNA seguido de resección quirurgica mediante modelos poblacionales y algoritmos de machine learning que tengan en cuenta variables clínicas, analíticas, cinéticas, histopatológicas y parámetros basados en la radiómica y el microbioma intratumoral. Con la integración de estos datos se pretende mejorar la capacidad de definir grupos clínicos de riesgo que puedan potencialmente beneficiarse de estrategias alternativas.

proyecto Dr. Rodriguez Cun 2024