Ecosistema de ciencia de datos para el análisis de largos supervivientes en cáncer

Resumen

La introducción de nuevas inmunoterapias ha incrementado la esperanza de vida en pacientes con cáncer, aunque la respuesta al tratamiento varía significativamente, observándose subpoblaciones con corta y larga supervivencia. Esta heterogeneidad subraya la necesidad de herramientas que permitan identificar y analizar estas diferencias en los estudios de supervivencia. Este trabajo tiene como objetivo presentar la implementación de un ecosistema de ciencia de datos basado en R para analizar la existencia de subpoblaciones de larga supervivencia en pacientes con cáncer. Se basa en una metodología que permite la identificación de subpoblaciones mediante pruebas de multimodalidad y el ajuste de modelos paramétricos de mezcla de supervivencia. El ecosistema utiliza diversos paquetes de R, como RMarkdown, y se aplica a un conjunto de 1245 pacientes con cáncer de pulmón avanzado tratados con CIMAvaxEGF en ensayos clínicos del Centro de Inmunología Molecular. Los resultados demuestran que el ecosistema es eficaz para realizar análisis completos, desde la carga de datos hasta la visualización de resultados. Se identificaron dos subpoblaciones: una con corta supervivencia (73%, mediana de 8,7 meses) y otra con larga supervivencia (27%, mediana de 20,9 meses). Esto muestra la utilidad del enfoque para caracterizar la heterogeneidad en la respuesta al tratamiento. En conclusión, el ecosistema desarrollado es una herramienta versátil, reproducible y abierta para el análisis de supervivencia en cáncer de pulmón avanzado. Futuras investigaciones podrían extender su aplicación a otros tipos de cáncer e incorporar metodologías adicionales para mejorar la caracterización de subpoblaciones.