Los síndromes mielodisplásicos (SMD) constituyen un grupo heterogéneo de neoplasias hematológicas mieloides. La incorporación de estudios genómicos ha permitido avances significativos en su comprensión. Estas técnicas genómicas no solo identifican grupos diagnósticos y confirman la clonalidad, sino que también mejoran la estratificación pronóstica y orientan las decisiones terapéuticas. A pesar de estos avances, los SMD siguen presentando desafíos en cuanto a diagnóstico, estratificación pronóstica y tratamiento efectivo. La naturaleza preleucémica de los SMD y su representación mayoritaria entre las enfermedades con predisposición genética de línea germinal los convierten en un modelo ideal para el desarrollo de los pilares IMPACT: genómica, prevención y ciencia de datos.
Los proyectos UMBRELLA (PI20/00970) y UMBRELLA-SUMMA (PI2023/01103), se desarrollaron en el seno del Grupo Español de SMD (GESMD). Su objetivo principal es facilitar estudios de secuenciación de nueva generación (NGS) para pacientes con SMD en todos los centros del grupo español. Nuestro consorcio seguirá las bases establecidas por UMBRELLA para desarrollar una estrategia coordinada que integre los datos clínicos, genéticos y moleculares de los pacientes con SMD en el registro español de SMD (RESMD), previamente establecido por el GESMD. Nuestra propuesta busca además añadir valor mediante la incorporación al RESMD de la evaluación de los resultados percibidos por los pacientes (PROMs), experiencia reportada por los pacientes (PREMs). Los modelos de inteligencia artificial (IA) se presentan como herramientas prometedoras para el manejo de los SMD, permitiendo el análisis de grandes volúmenes de datos y la identificación de patrones complejos para tratamientos personalizados. Además, se pondrán en marcha acciones para mejorar el diagnóstico de los pacientes incluyendo la validación de nuevas herramientas como el mapeo óptico del genoma (OGM) y la digitalización de imágenes de médula ósea y se avanzará en estrategias predictivas y pronósticas en pacientes con SMD de especial interés, incluyendo: pacientes con mutación en TP53, neoplasias relacionadas con la terapia y pacientes con predisposición germinal.
Este enfoque integral y multidisciplinario no solo busca transformar la investigación y tratamiento de los síndromes mielodisplásicos, sino que también aspira a ofrecer a los pacientes una mejora de la calidad de vida y un futuro más prometedor, donde la ciencia y la innovación se unan para brindar soluciones personalizadas y efectivas en su lucha contra la enfermedad.
1. Desarrollar una estrategia coordinada que integre los datos clínicos, genéticos y moleculares de los pacientes diagnosticados con Síndrome Mielodisplásico (SMD) a nivel nacional dentro del Sistema Nacional de Salud (SNS).
1.1. Incorporación de datos del Registro Español
1.2. Creación de un biobanco de muestras específicas para SMD
1.3. Integración de medidas de resultados informadas por los pacientes (PROMs) y medidas de experiencia informadas por los pacientes (PREMs)
2. Validar nuevas herramientas diagnósticas en pacientes con SMD, mediante:
2.1. Mapeo Óptico del Genoma
2.2. Digitalización de Imágenes de Médula Ósea
3. Evaluar el valor del análisis genómico, transcriptómico y/o proteico como estrategia predictiva en pacientes con SMD y hematopoyesis clonal (HC) bajo condiciones especiales, mediante:
3.1. Estudio de pacientes con SMD/HC y mutaciones en TP53
3.2. Pacientes con Neoplasias Relacionadas con Terapia (TRMN)
3.3. Identificación y caracterización de pacientes con predisposición germinal
4. Desarrollar herramientas de Inteligencia Artificial (IA) interoperables que integren de manera eficiente la información clínica, molecular y morfológica de pacientes con síndromes mielodisplásicos, para crear algoritmos avanzados que optimicen el diagnóstico, pronóstico y tratamiento personalizado.
5. Fomentar la formación, divulgación y difusión de conocimientos mediante la organización de grupos de trabajo dirigidos a profesionales sanitarios y pacientes.
El objetivo final es mejorar el bienestar y el pronóstico de los pacientes. El proyecto pretende incorporar a los datos ómicos y de inteligencia artificial la percepción y experiencia del paciente durante el proceso asistencial. El desarrollo de este proyecto beneficiará por tanto la gestión sanitaria al optimizar tratamientos, reducir los costes y toxicidades de fármacos inadecuados, y mejorar la predicción de respuesta combinando todo esto con la satisfacción del paciente.
El uso de la Inteligencia Artificial (IA) para la predicción personalizada del riesgo y la selección de pacientes con mayor probabilidad de respuesta a determinadas terapias permitirá un manejo óptimo de los mismos, tanto en términos de respuesta a la patología como en el uso de recursos terapéuticos del sistema de salud, al limitar tratamientos no óptimos de escaso impacto en la supervivencia.
La experiencia preliminar del grupo revela que, con una cantidad relativamente limitada de datos clínicos, es posible asignar un estrato de riesgo diferente al del IPSS-R a un 60% de los pacientes, lo cual puede correlacionarse con cambios significativos en la práctica clínica.
Es previsible que la implementación de estrategias basadas en la combinación de datos clínicos con resultados moleculares nos permita no solo refinar el modelo de estratificación de riesgo, sino también predecir la respuesta a fármacos, los cuales se asocian con tasas variables de eficacia y notable toxicidad.
De esta manera, los resultados de este estudio también contribuirán a optimizar los recursos del Sistema Nacional de Salud.