Validación de un modelo predictivo basado en la expresión de microRNA (BIO-MIR), para determinar el riesgo de recurrencia en pacientes con carcinoma renal de células claras en estadio temprano tratados con nefrectomía radical o parcial

• Autores: Jesús Miranda
• Directores de la Tesis: Alvaro Pinto Marín (dir. tes.), Angelo Gámez Pozo (dir. tes.)
• Lectura: En la Universidad Autónoma de Madrid ( España ) en 2023
• Idioma: español
• Número de páginas: 83
• Tribunal Calificador de la Tesis: E. Espinosa Arranz (presid.), Andres Redondo Sánchez (secret.), Javier Puente Vázquez (voc.), Guillermo de Velasco Oria de Rueda (voc.), Jesús García-Donas Jiménez (voc.)
• Programa de doctorado: Programa de Doctorado en Medicina y Cirugía por la Universidad Autónoma de Madrid
• Materias:
  • Ciencias médicas
    • Ciencias clínicas
      • Oncología
• Enlaces
  • Tesis en acceso abierto en: Biblos-e Archivo
• Resumen

  • El cáncer de células renales (CCR) representa el 5% de los tumores malignos en hombres y el 3% en mujeres. El subtipo histológico más frecuente es el cáncer renal de células claras (ccCCR) que constituye entre un 75-85%. En el escenario clínico del ccCCR localizado y resecado (nefrectomía parcial o total), es muy importante poder distinguir a los pacientes con bajo y alto riesgo de recurrencia, pues los pacientes con alto riesgo deberían recibir tratamiento adyuvante o valorar ser incluidos en ensayos clínicos con la finalidad de evitar la recidiva y así incrementar la supervivencia libre de enfermedad (SLE) y más importante aún la supervivencia global (SG). Para cubrir la necesidad de diferenciar pacientes de bajo y alto riesgo se han diseñado diversas herramientas, siendo las más utilizadas los nomogramas. Los nomogramas más usados son: el nomograma UISS (UCLA), el nomograma de Kattan, el nomograma de Karakiewicz y SSIGN score (también conocido como el escore de Leibovich). Sin embargo, estos nomogramas utilizan datos clínicos, anatomo-patológicos y en algunas ocasiones datos subjetivos como (ECOG o síntomas sistémicos), por lo que consideramos que aunque son herramientas útiles no son perfectas y que se podrían mejorar. Para poder distinguir a pacientes con ccCCR de bajo y alto riesgo de recurrencia, nuestro grupo de trabajo en el 2015 diseño un modelo predictivo basado en microRNAs, al cual se denominó BIO-MIR, que está formado por un grupo de 9 miRNAs involucrados en multitud de enfermedades tumorales y no tumorales. Sin embargo, el correcto funcionamiento de BIO-MIR precisaba ser validado en una cohorte más grande, desarrollamos el presente estudio con el objetivo de validar el valor pronóstico de BIO-MIR en pacientes operados de carcinoma renal de células claras localizado (estadio pT1b – pT3, Nx, M0). Como sabemos un riesgo de recaída mayor o igual al 30%, es el valor comúnmente utilizado para definir a un grupo de alto riesgo, y es el valor que obtiene BIO-MIR tanto en SLE (41.3%) y SG (26.51%). Con estos resultados podemos concluir que BIO-MIR es un modelo predictivo que cumple con el objetivo para el que fue diseñado de lograr identificar una población de bajo y alto riesgo, en este caso eliminando el uso de datos subjetivos