La medicina de precisión busca elegir mejor, no fabricar un tratamiento único
La medicina de precisión adapta prevención, diagnóstico o tratamiento usando diferencias relevantes entre pacientes, como variantes genéticas, biomarcadores del tumor, ambiente, hábitos y antecedentes clínicos. Su objetivo no es crear un fármaco exclusivo para cada individuo, sino identificar subgrupos que tienen mayor probabilidad de responder, sufrir toxicidad o desarrollar una enfermedad. Es especialmente visible en oncología. La decisión final sigue combinando evidencia poblacional, preferencias, estado general y acceso sanitario. La precisión depende de que esa clasificación sea clínicamente accionable.
“Personalizada” y “de precisión” suelen solaparse, pero precisión destaca que la clasificación debe apoyarse en mediciones reproducibles. Edad, función renal o una proteína tumoral pueden ser tan decisivas como el genoma. Tener más datos no garantiza una recomendación mejor: hace falta demostrar que el marcador cambia una conducta clínica y que esa conducta mejora resultados frente al cuidado estándar.
Un biomarcador útil atraviesa varias pruebas antes de guiar una decisión
Primero debe medirse con un ensayo analíticamente fiable: la muestra, plataforma y umbral no pueden producir resultados erráticos. Después se valida la asociación clínica entre marcador y pronóstico o respuesta. Por último se comprueba utilidad: actuar sobre el resultado beneficia al paciente. Un marcador puede correlacionarse con enfermedad y, aun así, no servir para seleccionar tratamiento si no cambia el desenlace.
En oncología, alteraciones de EGFR, HER2 u otras dianas pueden abrir o cerrar opciones terapéuticas. A menudo se analiza el tumor, cuyo genoma no es idéntico al heredado por la persona. Una biopsia representa una región y un momento; el cáncer evoluciona y desarrolla resistencia. Biopsia líquida y secuenciación repetida intentan seguir esa diversidad, pero sensibilidad, coste y falsos resultados limitan su uso.
La farmacogenómica es una herramienta dentro de un campo más amplio
La farmacogenómica estudia cómo variantes genéticas influyen en metabolismo, eficacia o efectos adversos de medicamentos. Puede orientar elección o dosis, como ocurre con algunos genes HLA o enzimas CYP. La medicina de precisión también usa transcriptómica, proteínas, imagen, microbiología, exposición ambiental y datos clínicos. Por tanto, no son sinónimos: toda farmacogenómica clínica puede apoyar precisión, pero mucha medicina de precisión no depende de farmacogenómica.
La FDA recopila biomarcadores presentes en etiquetas de fármacos, pero la existencia de información genética no implica siempre una acción obligatoria. Algunas asociaciones tienen recomendaciones terapéuticas sólidas; otras describen farmacocinética o riesgo potencial. Interpretar una prueba directa al consumidor sin indicación, calidad verificada ni contexto puede llevar a suspender tratamientos eficaces o a creer que una variante determina por completo la respuesta.
Un algoritmo preciso para una población puede fallar en otra
Modelos predictivos aprenden de cohortes con criterios, tecnologías y prevalencias concretas. Si ciertos orígenes, edades o condiciones están poco representados, el rendimiento puede caer al desplegarse. Variantes clasificadas como raras o inciertas reflejan en parte qué poblaciones han sido secuenciadas. Validación externa y seguimiento después de introducir la herramienta son esenciales para no convertir desigualdad de datos en desigualdad clínica.
Además existen privacidad y riesgo de reidentificación. Un genoma no puede cambiarse como una contraseña y contiene información compartida con familiares. Consentimiento, acceso, usos secundarios y seguridad deben explicarse. La predicción también puede modificar seguros o estigma según la legislación. La innovación responsable no consiste en acumular historiales, sino en recoger lo necesario, limitar usos y demostrar beneficio proporcional al riesgo.
Qué puede hacer hoy y qué sigue siendo una promesa
La aplicación más madura está en determinados cánceres, enfermedades raras y selección de algunos medicamentos. Para trastornos comunes como diabetes o hipertensión, miles de variantes de efecto pequeño interactúan con entorno y condiciones sociales; un riesgo poligénico no es destino. Cambiar dieta, seguimiento o tratamiento solo por una puntuación requiere ensayos que prueben utilidad y no únicamente capacidad estadística para separar grupos.
Una buena práctica pregunta qué decisión cambiará la prueba, qué alternativas existen, cuántos falsos positivos produce y si el resultado es accionable. También compara coste de oportunidad: financiar una tecnología puede restar recursos a medidas eficaces. La medicina de precisión amplía la medicina basada en evidencia cuando mejora clasificación y decisión; la debilita si vende certeza individual a partir de asociaciones preliminares.
Los diseños de ensayo también cambian. Un ensayo cesta reúne tumores de órganos distintos que comparten biomarcador; uno paraguas prueba varias terapias dentro de un mismo tipo de cáncer; diseños adaptativos modifican asignación según datos acumulados bajo reglas previas. Estas estrategias estudian subgrupos pequeños, pero aumentan riesgo de resultados inestables si se multiplican comparaciones. Confirmación independiente y registro transparente siguen siendo necesarios. Una respuesta espectacular en pocos casos puede justificar más investigación, no necesariamente convertir una hipótesis en estándar para todos los portadores del marcador.
La vuelta del resultado al paciente requiere interpretación y actualización. Una variante incierta hoy puede reclasificarse cuando aparecen datos; un informe estático puede quedar obsoleto. Laboratorio, profesional y paciente necesitan saber quién revisará cambios y cómo se comunicarán. Sin ese circuito, secuenciar una vez genera una apariencia de precisión que puede degradarse mientras la evidencia avanza.
También debe preverse qué hacer cuando una prueba no ofrece respuesta. Un resultado incierto no justifica improvisar terapia, y la opción estándar puede seguir siendo la mejor. Comunicar probabilidades y límites es una parte clínica de la precisión, no un añadido posterior.
