Trombosis asociada al cáncer: un modelo dinámico para estratificar el riesgo

Como hemos explicado en otras entradas de este blog, la ETV se asocia con un aumento de la mortalidad y la morbilidad, incluyendo la hospitalización prolongada y el aumento del costo de la atención sanitaria.

A pesar de este alto impacto en los pacientes oncológicos, no se recomienda la tromboprofilaxis universal^2,3, principalmente debido al alto número de pacientes que se necesita tratar y al riesgo de sangrado asociado al tratamiento con anticoagulantes, que puede suponer una mortalidad del 1,5% de estos pacientes⁴. Por lo tanto, la identificación de pacientes con cáncer con alto riesgo de ETV es un importante reto de investigación biomédica en oncología para reducir su mortalidad y mejorar su calidad de vida.

Actualmente existen varios modelos de predicción del riesgo de ETV en pacientes con cáncer, como las puntuaciones o scores de Khorana⁵, Vienna CATS⁶, PROTECHT⁷, ONKOTEV⁸ o COMPASS-CAT⁹, pero su capacidad predictiva es modesta o incluso difícil de validar en otros estudios.

Recientemente, nuestro grupo ha desarrollado y validado el primer modelo predictivo, incorporando datos genómicos y clínicos del paciente, que abre las puertas a la medicina personalizada en el campo de la trombosis y el cáncer¹⁰. Este score muestra una alta y significativa capacidad predictiva, identificando el 34% de los pacientes que sufrirán una ETV y el 94% de los que no la sufrirán, reduciendo así las complicaciones por sangrado.

Sin embargo, todos estos modelos predictivos parten de una concepción estática del riesgo de ETV, donde las variables clínicas y los parámetros de laboratorio se evalúan solo una vez poco después del diagnóstico o antes de iniciar la quimioterapia.

Este concepto estático del riesgo de trombosis choca con los conocimientos científicos de los que disponemos, lo cuales demuestran que la fisiopatología de la trombosis en general, y en el contexto oncológico en particular, es una condición dependiente del tiempo, con un componente multifactorial, y dinámica, donde diferentes situaciones y parámetros biológicos pueden ocurrir o alterarse rápidamente durante la evolución de la enfermedad tumoral¹¹.

En primer lugar, identificando todos aquellos factores de riesgo de ETV que pueden variar sustancialmente durante la progresión de la enfermedad tumoral. Por ejemplo, el hemograma y el índice de masa corporal (utilizados en algunos de los scores anteriormente mencionados) pueden cambiar durante el seguimiento del paciente debido al tratamiento del cáncer, las comorbilidades o la caquexia, entre otros¹².

Otros factores que no capturan los modelos estáticos son diferentes circunstancias y eventos clínicos que pueden aumentar el riesgo de ETV en los pacientes a corto plazo, como cambios en el régimen de quimioterapia después de la progresión de la enfermedad, hospitalización debido a una enfermedad infecciosa o procedimientos diagnósticos o terapéuticos.

Una primera aproximación para incorporar este concepto dinámico del riesgo de ETV es el estudio de Posch et al.¹³, donde muestran el beneficio potencial de una evaluación dinámica de los niveles de dímero D para predecir el riesgo de ETV asociado con el cáncer.

En este estudio, a partir de la medición de los niveles de dímero D al inicio y un máximo de seis veces durante el seguimiento, observaron que los niveles de dímero D aumentaron significativamente un 34% por mes en pacientes que desarrollaron ETV durante el seguimiento, mientras que los niveles permanecieron relativamente estables en los demás pacientes (disminuyendo un −2,6% por mes).

Aunque este estudio aún no ha sido validado, supone una prueba de concepto de que las mediciones longitudinales de biomarcadores dinámicos pueden aportar información en la evaluación personalizada del riesgo de ETV en el entorno oncológico.

En segundo lugar, teniendo en cuenta los factores que no cambian durante la progresión de la enfermedad tumoral, por ejemplo, los factores genéticos de riesgo de ETV del propio paciente, como demuestra el score ONCOTHROMB¹⁰.