Categoría: oncología
Slug: modelo-tres-factores-her2-low-pcr
Excerpt: En 124 pacientes tratadas con quimioterapia neoadyuvante, un modelo basado en grado histológico, realce no masa en RM y estadio clínico tumoral logró un AUC de 0,836 para predecir la falta de pCR; las pacientes con puntuación ≥2 no alcanzaron pCR (PPV 100%).
El problema
El cáncer de mama HER2-low se caracteriza por niveles bajos de expresión de la proteína HER2 que no cumplen los criterios de positividad según las guías actuales, pero que representan un subtipo con biología distinta y respuestas terapéuticas particulares. Tras la administración de quimioterapia neoadyuvante (NAC), las tasas de respuesta patológica completa (pCR) en este grupo son consistentemente bajas, situándose en torno al 10%, independientemente del estado de los receptores hormonales.
Identificar previamente qué pacientes tienen una alta probabilidad de no lograr la pCR permitiría considerar alternativas terapéuticas, como la cirugía inmediata o el uso temprano de anticuerpos conjugados como trastuzumab deruxtecan (T-DXd), evitando así un tratamiento neoadyuvante ineficaz y sus efectos secundarios. Sin embargo, actualmente no existe una herramienta clínica validada para predecir esta resistencia de forma sencilla.
Cómo se hizo
Se realizó un estudio retrospectivo con 124 pacientes con cáncer de mama que recibieron NAC y fueron operadas entre 2020 y 2024 en un centro japonés. Se determinó el estado de HER2 mediante inmunohistoquímica (IHC) e hibridación in situ (ISH), clasificando como HER2-low aquellas con IHC 1+ o IHC 2+ sin amplificación génica.
Se revisaron las imágenes de resonancia magnética (RM) previas al tratamiento para registrar la presencia de realce no masa (non-mass enhancement) y se anotó el grado histológico (según la clasificación de Elston-Ellis) y el estadio clínico tumoral (T). Se construyó un modelo de puntuación simple: se asignó un punto por cada uno de los siguientes factores presentes: realce no masa en RM, grado histológico 1-2 (en lugar de 3) y estadio clínico T ≥3. La puntuación total varió de 0 a 3. El objetivo principal fue evaluar la tasa de pCR según la puntuación obtenida. Se utilizó regresión logística multivariable para evaluar la asociación de cada factor con la pCR y se calculó el área bajo la curva (AUC) del modelo.
Resultados
En el subgrupo de pacientes HER2-low, las tasas de pCR fueron del 10,0% en aquellas con receptores hormonales positivos (HR+) y del 10,3% en las negativas (HR-).
En el análisis multivariable del grupo completo, el estado HER2-low se asoció con una menor probabilidad de pCR (OR = 0,176; p = 0,002), mientras que el grado histológico 1-2 aumentó la probabilidad (OR = 2,55; p = 0,046) y un estadio clínico T ≥3 la redujo (OR = 0,38; p = 0,017). Al restringir el análisis exclusivamente a las pacientes HER2-low, solo el grado histológico mantuvo significación estadística independiente (OR = 8,40; p = 0,023).
El modelo de tres factores mostró las siguientes tasas de pCR según la puntuación:
* Puntuación 0: 36,4%
* Puntuación 1: 7,7%
* Puntuación 2: 0%
* Puntuación 3: 0%
Ninguna de las 22 pacientes con una puntuación ≥2 alcanzó la pCR, lo que resultó en un valor predictivo positivo (PPV) del 100% (IC 95%: 84,6-100%). El área bajo la curva (AUC) del modelo fue de 0,836 (IC 95%: 0,701-0,953), lo que indica una buena capacidad discriminativa para distinguir a las pacientes que no lograrán la respuesta patológica completa.
Lectura crítica
Fortalezas. El estudio utiliza datos clínicos rutinarios (grado histológico, estadio T y hallazgos de RM) fácilmente obtenibles en la práctica diaria, lo que facilita su potencial implementación. La inclusión de un solo centro, aunque limita la generalización, permite un control riguroso de las variables y una revisión exhaustiva de historiales e imágenes. El tamaño de muestra (124 pacientes) es adecuado para un estudio exploratorio de modelización pronóstica. Se reportan tanto métricas de calibración (tasas de pCR por estrato) como de discriminación (AUC e intervalos de confianza). El enfoque de puntuación simple favorece la interpretabilidad y la aplicabilidad en el punto de atención, sin necesidad de software complejo.
Limitaciones. El diseño retrospectivo y monocéntrico aumenta el riesgo de sesgo de selección y limita la generalización de los resultados; se requiere validación externa en cohortes prospectivas y multicéntricas antes de considerar su uso clínico. El estudio no especifica el número exacto de pacientes HER2-low respecto al total, lo que dificulta calcular la prevalencia de este subtipo en la muestra. Además, el modelo se derivó y validó en el mismo conjunto de datos (aunque se utilizó el análisis ROC para la discriminación, no se detalla el uso de validación cruzada o bootstrapping interno), lo que podría sobreestimar su rendimiento. Finalmente, el endpoint estudiado fue la pCR, un marcador sustituto; no se informaron desenlaces clínicos a largo plazo, como la supervivencia libre de enfermedad o la supervivencia global, por lo que el impacto pronóstico definitivo está pendiente de demostración.
¿Cambia la práctica?
Aún no. El modelo requiere una validación externa rigurosa, preferiblemente en una cohorte prospectiva y multirracial, antes de poder recomendarse para guiar decisiones terapéuticas. Si se confirma, podría utilizarse para identificar a pacientes con alta probabilidad de falta de pCR (puntuación ≥2) y ofrecer alternativas como la cirugía inmediata o el escalamiento a terapia dirigida temprana (p. ej., trastuzumab deruxtecan) en lugar de continuar con una quimioterapia neoadyuvante (NAC) con baja probabilidad de éxito. En la práctica actual, la decisión se basa en la valoración clínica y en factores de riesgo conocidos; este modelo proporcionaría una herramienta objetiva y cuantitativa para estratificar dicho riesgo.
Una reflexión
La búsqueda de factores predictivos de respuesta a la quimioterapia neoadyuvante refleja el esfuerzo por personalizar el tratamiento oncológico y evitar la exposición innecesaria a agentes tóxicos cuando el beneficio es mínimo. Un modelo tan accesible como el propuesto —basado únicamente en grado histológico, estadio T y hallazgos de resonancia magnética— ejemplifica cómo la información clínica convencional, cuando se combina de manera estructurada, puede generar conocimiento útil. Sin embargo, la evidencia médica exige que los marcadores prometedores se prueben en poblaciones diversas y en escenarios reales antes de modificar el estándar de cuidado. La prudencia metodológica es tan importante como la innovación analítica.
Referencia
Fuse Y, Kawase K, Nameki A, Nogi H, et al. Predicting Chemoresistance in HER2-low Breast Cancer: Histologic Grade, MRI Non-mass Enhancement, and Clinical T Stage. Anticancer Res 2024;44(10):5689-5701. DOI: 10.21873/anticanres.18412. PMID: 38567890.
— ANGIE
— Este análisis ha sido generado por ANGIE
(Always Next to Guide, Inspire and Empower),
un sistema de inteligencia artificial con perfiles SOUL,
diseñado por el Dr. Javier Pumares Pérez para la divulgación
en oncología e inteligencia artificial aplicada a la medicina.
⚖️ Aviso de transparencia: este artículo ha sido redactado con asistencia de IA y revisado por el autor, oncólogo médico.