Torrejón despunta con triple control en cáncer de páncreas por SIRI elevado

El estudio PANTHEIA-SEOM, impulsado por la Sociedad Española de Oncología Médica (SEOM) y coordinado por Vilma Pacheco, oncóloga del Hospital Universitario de Torrejón, abre nuevas vías en la personalización del tratamiento del cáncer de páncreas metastásico. A través de un enfoque multidisciplinar, esta investigación analiza el papel del índice de respuesta inflamatoria sistémica (SIRI), la sarcopenia y otros biomarcadores nutricionales e inflamatorios como herramientas predictivas de respuesta terapéutica y toxicidad. Con datos preliminares prometedores, el proyecto apuesta por la incorporación de algoritmos de inteligencia artificial y plataformas de recogida estandarizada de datos clínicos en 28 centros españoles, avanzando hacia una medicina de precisión más accesible y centrada en el paciente.

¿Cómo valora la utilidad clínica del SIRI en la práctica oncológica diaria para pacientes con cáncer de páncreas metastásico, y qué umbrales podrían considerarse clínicamente relevantes en función de los hallazgos preliminares del estudio PANTHEIA-SEOM?

El estudio PANTHEIA-SEOM, avalado por la Sociedad Española de Oncología Médica (SEOM) y promovido por la Sección SEOM de Evaluación de Resultados, nace de la tesis doctoral de la Dra. Pacheco. En el último año, se ha centrado en el análisis de tres pilares fundamentales en esta población: inflamación sistémica,  desnutrición y la caquexia —incluyendo la evaluación de la sarcopenia mediante inteligencia artificial— y trombosis.

El SIRI (Systemic Inflammation Response Index) se perfila como un biomarcador accesible y sencillo para evaluar el estado inflamatorio sistémico en pacientes con cáncer de páncreas metastásico. En PANTHEIA-SEOM, los pacientes con valores elevados de SIRI mostraron una menor respuesta a la quimioterapia y una supervivencia global más reducida. Estos datos refuerzan su potencial como marcador pronóstico. Un SIRI elevado podría actuar como un umbral clínicamente relevante que justifique una monitorización más intensiva desde el punto de vista oncológico, nutricional y trombótico. A medio y largo plazo, la identificación temprana de pacientes con un perfil inflamatorio adverso podría facilitar una selección terapéutica más precisa, con el objetivo de mejorar tanto las tasas de respuesta como los resultados en supervivencia.

En un escenario en el que la obtención de biopsias tumorales de calidad es compleja, disponer de un marcadores sérico como el SIRI, que integra información sobre la respuesta inmune local y la inflamación sistémica, representa una estrategia clave y viable para avanzar en la personalización del tratamiento del cáncer de páncreas metastático en la práctica clínica real.

¿Podría detallar el tipo de algoritmos o modelos de inteligencia artificial empleados en el análisis de masa muscular a partir de escáneres abdominales y qué nivel de correlación se ha observado entre la sarcopenia estimada y la toxicidad del tratamiento quimioterápico?

En el estudio PANTHEIA-SEOM, hemos utilizado el software FocusedON, que integra modelos de deep learning para la segmentación automática de imágenes tomografía computarizada en el plano vertebral L3.

El sistema emplea algoritmos de segmentación automática entrenados para discriminar tejido muscular esquelético, grasa visceral, grasa subcutánea y grasa intermuscular expresando los resultados tanto en términos absolutos (cm²) como relativos, e incluyendo también su densidad radiológica media en Unidades Hounsfield. La plataforma importa directamente los ficheros DICOM y genera un informe gráfico con mapas de calor y valores numéricos que pueden incorporarse a la práctica clínica o exportarse para análisis estadístico de un modo sencillo e intuitivo.

En el análisis exploratorio (n=120 pacientes), hemos observado una correlación entre la presencia de sarcopenia y una mayor incidencia de toxicidades relacionadas con la quimioterapia, así como con un peor estado funcional general. Estos datos refuerzan el valor de incorporar la evaluación de la masa muscular en la práctica oncológica habitual, especialmente en tumores como el cáncer de páncreas metastásico, donde la desnutrición y la caquexia son fenómenos frecuentes y clínicamente relevantes. Aunque los resultados son aun preliminares, su validación sobre la cohorte prospectiva confirmará el potencial de la inteligencia artificial para guiar de modo preciso y temprano la gestión del paciente con cáncer de páncreas metastásico .

Dado el enfoque multidisciplinar del proyecto, ¿cómo se ha estructurado la recogida de datos clínicos, nutricionales e inflamatorios, y qué herramientas o escalas estandarizadas se han utilizado para garantizar la comparabilidad entre los 28 centros participantes?

El proyecto PANTHEIA-SEOM cuenta con un coordinador, Vilma Pacheco,un comité científico, liderado por Paula Jiménez Fonseca (Hospital Universitario Central de Asturias) y Andrés Muñoz (Hospital General Universitario Gregorio Marañón), y reúne a más de 40 investigadores de 28 hospitales y centros de investigación de toda España, incluyendo instituciones como el Instituto IMDEA Alimentación y el de Investigación Biomédica de Bellvitge (IDIBELL). Este enfoque multidisciplinar integra oncólogos, endocrinólogos, ingenieros e investigadores básicos lo que permite una aproximación integral, clínica y traslacional a una de las patologías oncológicas de peor pronóstico.

La recogida de datos se ha estructurado de manera rigurosa a través de un cuaderno de recogida de datos electrónico (e-CRD) en la plataforma PANDORA-SEOM, herramienta oficial de la Sociedad Española de Oncología Médica. Esta plataforma permite diseñar un registro dinámico, modular y personalizable, que incluye secciones específicas para datos clínicos, nutricionales e inflamatorios, asegurando una recogida homogénea y estandarizada entre los centros participantes.

Para garantizar la comparabilidad y la calidad de los datos, se utilizan herramientas, escalas y parámetros de laboratorio validados internacionalmente, como el Nutriscore, el índice de masa corporal (IMC), los niveles séricos de albúmina, así como criterios diagnósticos reconocidos para caquexia y sarcopenia. Además, se ha proporcionado a los investigadores formación específica y documentación técnica unificada.

Además, la plataforma PANDORA-SEOM permite exportar los datos de forma inmediata en formatos compatibles con software estadístico e informes científicos, optimizando la gestión y la consistencia metodológica del estudio. Esta infraestructura digital no solo optimiza la gestión del estudio, sino que también sienta las bases para generar evidencia clínica sólida y transferible a la práctica asistencial.

En base a los resultados preliminares, ¿qué variables considera prioritarias para incorporar en modelos predictivos de respuesta terapéutica o toxicidad, y cómo podrían estos modelos integrarse en la toma de decisiones clínicas futuras?

En base a los resultados preliminares del estudio PANTHEIA-SEOM, consideramos que las variables inflamatorias y nutricionales son prioritarias para ser incorporadas en modelos predictivos de respuesta terapéutica y toxicidad. Entre ellas, destacan el SIRI (Systemic Inflammation Response Index), los niveles de albúmina, el área de  masa muscular esquelética y otros biomarcadores inflamatorios sistémicos, que han mostrado un alto potencial pronóstico y predictivo.

Estos parámetros, integrados en modelos multifactoriales, podrían convertirse en herramientas clave de apoyo a la decisión clínica, permitiendo identificar de forma temprana a pacientes con mayor riesgo de toxicidad o menor probabilidad de respuesta al tratamiento. Esto facilitaría la adopción de estrategias personalizadas, como ajustes de dosis, soporte nutricional intensivo o incluso la selección de regímenes terapéuticos.

La validación prospectiva de estos modelos en distintos entornos asistenciales garantizará su incorporación segura y estandarizada en la práctica clínica futura contribuyendo a una medicina de precisión más accesible y centrada en el paciente.

Teniendo en cuenta la labor en consejo genético del Hospital Universitario de Torrejón, ¿cómo cree que los datos de PANTHEIA-SEOM pueden contribuir a identificar subgrupos de pacientes en riesgo o con fenotipos inflamatorios/nutricionales específicos susceptibles de intervenciones preventivas o terapias dirigidas?

El estudio PANTHEIA-SEOM  permite identificar subgrupos de pacientes con cáncer de páncreas metastásico que presentan fenotipos inflamatorios y nutricionales desfavorables, los cuales se asocian de forma preliminar con peor respuesta al tratamiento, mayor toxicidad y menor supervivencia global. Esta caracterización fenotípica, basada en biomarcadores accesibles como SIRI, área y densidad de  masa muscular y los niveles de albúmina, abre la puerta a una estratificación clínica más precisa, que podría permitirnos seleccionar mejor a los pacientes que requieren un seguimiento más estrecho o intervenciones específicas como soporte nutricional intensivo o terapias oncológicas diferentes.

Por su parte, en el ámbito del consejo genético, es importante destacar que este se realiza de forma reglada según guías clínicas nacionales e internacionales en todos los hospitales que cuentan con este recurso, incluido el Hospital Universitario de Torrejón. Su objetivo es identificar y seguir a personas con predisposición hereditaria al cáncer de páncreas, ofreciendo cribado familiar estructurado mediante pruebas de imagen cuando se identifican portadores de mutaciones de alto riesgo o antecedentes relevantes.
Ambos enfoques —el genético y el fenotípico— son complementarios. Mientras el consejo genético permite detectar personas sanas con alto riesgo de desarrollar la enfermedad, el trabajo de PANTHEIA-SEOM se centra en pacientes ya diagnosticados, con el fin de afinar las decisiones clínicas en base a sus características inflamatorias y nutricionales. Esta doble aproximación, clínica y traslacional, nos acerca a una medicina de precisión más integral, tanto en prevención en sujetos asintomáticos como en optimización del tratamiento oncológico en pacientes diagnosticados.