Solucionando una serie de ecuaciones por medios computacionales se simuló el crecimiento del mieloma y se identificó cómo interactúan las células tumorales y las sanas de la médula ósea. Esta fase inicial de los modelos se optimizaría en investigaciones posteriores para personalizar los tratamientos y mejorar las posibilidades de supervivencia de este complejo cáncer de las células de la sangre que afecta el tejido óseo debilitando los huesos y provocando dolor, fracturas y otras complicaciones.
El autor del estudio es Juan Felipe Sánchez Gutiérrez, magíster en Ingeniería Mecánica de la Universidad Nacional de Colombia (UNAL), quien gracias a sus conocimientos en matemáticas diseñó nueve modelos que simulan el crecimiento del mieloma en diferentes condiciones.
Los modelos incluyen variables como la densidad de las células tumorales, la actividad de las células que forman y reabsorben el hueso, y la carga mecánica que soporta el hueso. El objetivo es comprender mejor cómo el mieloma interactúa con el tejido óseo y así desarrollar nuevas estrategias terapéuticas para este cáncer que en 2022 registró 1,4 millones de muertes en América.
Las complejidades del mieloma
Con el paso de los años el tejido óseo –que le proporciona fuerza y estructura a los huesos– se desgasta e incluso puede sufrir pequeñas fracturas. Para resarcir esos daños, el cuerpo actúa recurriendo al ciclo de remodelación ósea, un proceso natural en el que dos tipos de células: osteoclastos y osteoblastos, trabajan en equilibrio para eliminar el hueso viejo y reemplazarlo por tejido nuevo.
Mientras los osteoclastos se encargan de la reabsorción ósea, es decir de destruir el hueso viejo, los osteoblastos ayudan a formar hueso nuevo. Sin embargo, cuando hay presencia de mieloma las células tumorales alteran ese equilibrio porque estimulan la actividad de dichas células al punto de generar una reabsorción ósea excesiva, lo cual debilita los huesos, causa dolor intenso y aumenta el riesgo de fracturas.
Por eso, con su director, el profesor Diego Alexander Garzón Alvarado, de la Facultad de Ingeniería, el magíster construyó modelos computacionales in silico. Estos se desarrollan a través de ecuaciones diferenciales que después de solucionarlas permiten estudiar el comportamiento del cáncer en un entorno virtual, sin necesidad de realizar experimentos con células o pacientes.
“Con las ecuaciones diferenciales explicamos –en lenguaje matemático– lo que sucede en un proceso biológico. La remodelación ósea es un proceso mediante el cual el hueso se va regenerando a sí mismo, nosotros lo exponemos en términos matemáticos y buscamos una solución computacional”, señala el investigador.
Una de las novedades del estudio radica en la capacidad del modelo para simular la dinámica entre el tejido óseo sano y las células cancerígenas. Se observó que los modelos podían generar resultados consistentes con la biología, mostrando diferentes escenarios que reflejaban los comportamientos osteoblástico (aumento del tejido óseo) y osteolítico (degradación del tejido óseo).
En uno de los ejercicios realizados se sometió una geometría a un escenario de carga mecánica, simulando lo que sufriría un hueso. Luego, a partir de un modelo básico de autómata celular, “se simuló el crecimiento de un tumor en la geometría y así se observó cómo se agrupaban las células osteoclastos y osteoblastos, y cómo la condición de tumor afectaba este proceso aumentando la densidad celular o alterando su comportamiento”.
Cuando una persona es diagnosticada con un tipo de cáncer óseo, como el mieloma múltiple, los huesos se deterioran por la ausencia o el exceso de masa; ambas condiciones son perjudiciales cuando no hay un equilibrio.
“En casos como este los modelos construidos pueden generar algunos de estos escenarios a partir de un acercamiento o una discusión matemática y biológica, y así dar una posible solución”, anota el magíster.
Cabe destacar que aunque los modelos han mostrado resultados prometedores aún se deben validar cuantitativamente con datos experimentales de pacientes. Este proceso de validación es crucial para garantizar la eficacia y precisión del modelo en la práctica clínica.
