Un algoritmo puede ayudar a los profesionales sanitarios a reconocer qué pacientes padecen una forma muy agresiva de carcinoma basocelular (CBC) de la cara.

Estas son las conclusiones de un estudio realizado en la Universidad de Gotemburgo y publicado en la revista Dermatology Practical & Conceptual.

Si se identifican correctamente más CBC como de alto riesgo, los pacientes podrán recibir directamente el tratamiento más eficaz.

El CCB es la forma más común de cáncer de piel.

Este tipo de cáncer crece lentamente y casi nunca se extiende a otras partes del cuerpo. La mayoría de los CCB se curan, pero sin tratamiento, las formas muy agresivas pueden crecer de forma infiltrante y causar una morbilidad importante a los pacientes afectados.

Se trata de un tipo de cáncer en crecimiento, con 70.000 nuevos casos confirmados en Suecia en 2021.

Los signos más evidentes

El estudio incluye imágenes tanto clínicas como dermatoscópicas obtenidas en el Departamento de Dermatología y Venereología del Hospital Universitario Sahlgrenska. Se analizaron las imágenes de casi 300 pacientes con CBC facial confirmado.

Estas imágenes fueron revisadas por seis dermatólogos experimentados independientes a los que se pidió que interpretaran los hallazgos clínicos y dermatoscópicos observados en cada caso.

Estos hallazgos se utilizaron posteriormente como base para el desarrollo de un algoritmo clínico que sirve para discriminar entre los tipos de CBC poco agresivos y los más agresivos.

El estudio señaló que los CBC con una superficie abultada presentaban una fuerte asociación con el subtipo de CBC de alto riesgo. Además, los bordes mal definidos y la presencia de una zona más clara (a menudo denominada "zona de porcelana blanca") también se asociaron con este subtipo de alto riesgo. También se descubrió que los vasos sanguíneos pequeños en la ulceración eran característicos de una forma agresiva, algo que no se conocía hasta ahora.

El estudio demuestra que el algoritmo clínico identifica la mayoría de los casos de CBC de alto riesgo. El algoritmo también mostró un alto valor predictivo positivo, es decir, cuando señala un CBC como de alto riesgo, suele acertar.

El mejor tratamiento

La primera autora del estudio, Hannah Ceder, es estudiante de doctorado en la Universidad de Gotemburgo y médico especialista del Departamento de Dermatología y Venereología del Hospital Universitario Sahlgrenska.

También es una de las cirujanas del país que realiza el método quirúrgico que ha demostrado ser claramente superior para los CBC de alto riesgo.

El método quirúrgico se denomina cirugía micrográfica de Mohs, que permite un examen completo de todos los márgenes tisulares garantizando la extirpación completa, al tiempo que se preserva la mayor cantidad posible de tejido sano.

Mientras el paciente está bajo anestesia local en la mesa de operaciones, los patólogos analizan las muestras de tejido para estar absolutamente seguros de que todo el tumor ha desaparecido, antes de cerrar la herida quirúrgica.

"La cirugía micrográfica de Mohs nos proporciona un control total de los márgenes, al tiempo que preserva el tejido sano. Hemos demostrado en un estudio anterior que en pacientes con CBC nasal muy agresivo, la cirugía tradicional no consigue extirpar todo el tumor en más de la mitad de los casos", afirma Hannah Ceder.

Distinguir los tumores

En otras cirugías, existe el riesgo de que haya que repetir la intervención porque el patólogo encuentre tumor residual en el margen tumoral.

"Es deseable desarrollar métodos preoperatorios sencillos que ayuden a los médicos a identificar estos tumores de alto riesgo. Por lo tanto, nuestro algoritmo clínico es relevante e importante. Esto facilitaría la determinación de qué tumores pueden extirparse fácilmente con cirugía tradicional sin biopsia previa, y cuáles requieren más investigación para descartar los casos que requieren cirugía micrográfica de Mohs", afirma Hannah Ceder. Sin embargo, es importante revalidar el algoritmo clínico en un entorno prospectivo para investigar su utilidad en un entorno clínico real.

Fuente: Universidad de Gotemburgo