La inmunoterapia ha revolucionado el tratamiento oncológico. En el melanoma y el cáncer de pulmón no microcítico, algunos subgrupos de pacientes logran mejoras notables y duraderas en la supervivencia, mientras que otros muestran resistencia, lo que limita la eficacia global de este enfoque. Esta disparidad en los resultados refleja una arquitectura molecular compleja cuya naturaleza plantea importantes retos para su interpretación, aunque cada vez es más accesible gracias a la bioinformática aplicada y al aprendizaje automático. Esta tesis explora este panorama molecular mediante técnicas multiómicas e inteligencia artificial para identificar biomarcadores capaces de transformar la predicción de la respuesta, pasando de un arte empírico a una ciencia basada en datos. El estudio analizó dos cohortes de pacientes (melanoma metastásico y cáncer de pulmón no microcítico metastásico avanzado) que sumaron un total de 180 individuos tratados con inhibidores de puntos de control inmunitario. Se recogieron muestras de biopsia líquida de forma longitudinal y, en un subconjunto de casos, también se utilizaron biopsias tumorales retrospectivas. El perfil molecular incluyó células mononucleares de sangre periférica, ADN libre circulante y vesículas extracelulares de biopsias líquidas, así como análisis transcriptómico del tejido tumoral. Estos datos moleculares se correlacionaron con los resultados clínicos, con especial atención a los fenotipos de respuesta extrema, la resistencia primaria y la supervivencia global. En conjunto, este trabajo subraya el valor de los biomarcadores circulantes y de los enfoques computacionales avanzados, estableciendo una base sólida para futuras investigaciones traslacionales centradas en su validación clínica. Asimismo, abre nuevas vías para el diseño de ensayos clínicos orientados a acelerar la implementación de una medicina personalizada.
© 2001-2026 Fundación Dialnet · Todos los derechos reservados