Pronóstico en el cáncer epitelial glandular salival. Modelización de la supervivencia basada en el análisis de datos clínicos y moleculares e inteligencia artificial.

  1. Lequerica Fernandez, Paloma
Supervised by:
  1. Juan Carlos de Vicente Rodríguez Director

Defence university: Universidad de Oviedo

Fecha de defensa: 20 March 2009

Committee:
  1. Juan Sebastián López-Arranz Arranz Chair
  2. Manuel Florentino Fresno Forcelledo Secretary
  3. Gonzalo Hernández Vallejo Committee member
  4. Joseba Andoni Santamaría Zuazua Committee member
  5. José Luis López-Cedrún Cembranos Committee member

Type: Thesis

Teseo: 171123 DIALNET

Abstract

El pronóstico de los carcinomas glandulares salivales es malo, siendo preciso realizar un tratamiento radical de los mismos para lograr su curación. Estos tumores progresan de forma inexorable, siendo no obstante difícil anticipar el pronóstico en el momento del diagnóstico por medio de variables clínico-patológicas. Con la intención de mejorar esta anticipación pronóstica, hemos estudiado diversos marcadores biológicos. Objetivos: Determinar (1) Factores pronósticos de supervivencia específica y recidiva local, (2) Relevancia terapéutica de E-cadherina, VEGF, MMP-7,-9, y -14. (3) Desarrollar un nuevo método basado en técnicas de inteligencia artificial para predecir la progresión tumoral y anticipar el pronóstico. Material y Método: Este estudio se ha llevado a cabo con 66 pacientes (30 hombres y 36 mujeres) aquejados de carcinomas salivales. Se analizaron variables clinicopatológicas junto con la inmunoexpresión de E-cadherina, VEGF, MMP-7,-9, y-14. Los datos fueron analizados mediante tests estadísticos clásicos, análisis de supervivencia uni y multivariables (Kaplan-Meier, Cox) y modelos basados en splines (MARS) y redes neuronales artificiales. Resultados: En el análisis univariable numerosas variables mostraron significación pronóstica, si bien, las únicas moléculas relacionables con la supervivencia fueron la MMP-9 y el VEGF. No obstante, en el análisis multivariable de Cox, solo N, M y el grado tumoral fueron variables significativas en la determinación de la supervivencia de los pacientes. Se establecieron cuatro modelos basados en splines y uno más mediante una red neuronal. Entre los primeros, el modelo más útil en su aplicación está formado por las variables T, N, M, número de recidivas, edad, e inmunoexpresión de MMP-9.