23 de junio de 2018 | Actualizado: Viernes a las 17:45
Autonomías > Madrid

El Gregorio Marañón desarrolla un modelo que mejora el trasplante de médula

Este nuevo modelo se basa en variables genómicas y clínicas y es especialmente útil en el caso de las leucemias

José Luis Díez, Carolina Martínez-Laperche, Ismael Buño, y Pascual Balsalobre, miembros del servicio de Hematología del Hospital Gregorio Marañón.
El Gregorio Marañón desarrolla un modelo que mejora el trasplante de médula
Redacción
Martes, 13 de marzo de 2018, a las 12:40
El trabajo liderado por Ismael Buño, del Servicio de Hematología del Hospital General Universitario Gregorio Marañón, ha desarrollado un modelo predictivo para anticipar las complicaciones de un trasplante hematopoyético alogénico.

Este tipo de trasplantes, clásicamente llamados de médula ósea, es el tratamiento de elección para diferentes neoplasias hematológicas, es decir, enfermedades malignas de
la sangre, como las leucemias.

En este procedimiento, a menudo, las células del donante provocan un ataque inmune contra células sanas de distintos tejidos del receptor, lo que se conoce como enfermedad de injerto contra receptor. Esta es una de las principales complicaciones del procedimiento y contribuye a que la mortalidad relacionada con el trasplante alcance entre el 20, 30 por ciento.

En este contexto, durante los últimos años el Instituto de Investigación Sanitaria del Hospital Gregorio Marañón ha buscado biomarcadores que permitan la anticipación complicaciones del trasplante. En esta línea, el Servicio de Hematología ha elaborado un nuevo modelo predictivo basado en variables genómicas, concretamente 25 polimorfismos de un único nucleótido en genes de citocinas, proteínas moduladoras del sistema inmune, y seis variables clínicas como el diagnóstico hematológico, edad del paciente o el tratamiento de acondicionamiento, entre otras.

Anticipa el desarrollo de complicaciones post-trasplante

Este trabajo se ha desarrollado en colaboración con el grupo de Juan Romo en el Departamento de Estadística e Investigación Operativa de la Universidad Carlos III de Madrid (UC3M) de modelos matemáticos basados en la regresión logística penalizada tipo Lasso ("Least Absolute Shrinkage and Selection Operator").

El resultado es la definición de modelos predictivos que tienen una extraordinaria utilidad clínica para anticipar el desarrollo de complicaciones post-trasplante y, por tanto, tienen gran potencial de implantación a nivel global. Con este avance se permitirá a los médicos anticiparse a posibles complicaciones derivadas del trasplante, aplicar los tratamientos necesarios para remediarlas, evitar que el paciente enferme y, por tanto, disminuir las tasas de mortalidad en pacientes con este tipo de tumores malignos.

La relevancia de su aplicación ha sido reconocida en los premios a la Innovación en el Ámbito Sanitario, que promueve la Cátedra Celgene de Innovación en Salud de la Universidad de Alcalá. Galardón que ha sido entregado en una ceremonia que ha contado con la presencia del consejero de Sanidad de la Comunidad de Madrid, Enrique Ruiz Escudero.