ISBN: 978-84-692-76778
PONENCIAS
Nº 1984. Patología Quirúrgica
|
Cáncer de mama y perfiles de expresión génica: hacia una terapia personalizada del cáncer David Hardisson[1] |
|
pregnancy conception calculatorpregnancy trimesters calculator gobuscopan reflussobuscopanEl cáncer de mama es la neoplasia maligna más frecuente en la mujer, y la mortalidad que provoca en las mujeres sólo es superada por la del cáncer de pulmón. La heterogeneidad biológica del cáncer de mama tiene implicaciones para el pronóstico y para la toma de decisiones terapéuticas. Actualmente, el pronóstico de las pacientes con cáncer de mama y las decisiones terapéuticas se basan en una serie de parámetros clínico-patológicos (estado de los ganglios linfáticos, tipo y grado histológico, tamaño del tumor, estado de los receptores hormonales y del oncogén HER2, entre otros). Un nuevo abordaje en la clasificación del cáncer de mama emplea el análisis de expresión de múltiples genes en un tumor individual con los objetivos de obtener una mejor clasificación de estos tumores, clarificar el origen de esta enfermedad, aumentar la capacidad pronóstica y ayudar a la toma de decisiones entre diferentes opciones terapéuticas. En el año 2000 se describieron los fenotipos de los perfiles de expresión genómica tras analizar mediante microarrays de cDNA las variaciones en los patrones de expresión genómica de 40 carcinomas de mama humano y agrupar jerárquicamente los genotipos según la denominada “huella genética”. De este modo, se han podido separar los tumores de mama en diferentes subtipos con diferencias biológicas y pronósticas. Básicamente, hay dos aproximaciones metodológicas para la evaluación de perfiles génicos: perfil de expresión genética por medio de microarrays de ADN, que requiere tejido fresco congelado y el uso de RT-PCR para cuantificar la expresión de genes prospectivamente seleccionados sobre el tumor en parafina, de los que el ejemplo más conocido es el denominado Oncotype DX. Este último método está siendo comercializado y empleado en diversas partes del mundo debido a su fácil utilización al basarse en muestras diagnósticas fijadas en formol e incluidas en parafina, alta reproducibilidad, alto beneficio al seleccionar pacientes que podrían no necesitar un tratamiento con quimioterapia, y un costo económico asumible. En definitiva, en los últimos años se ha profundizado en el conocimiento de la biología molecular del cáncer de mama lo que ha contribuido a avanzar en el establecimiento de nuevos perfiles pronósticos y predictivos en este tipo de tumor.
|
||
|
|
El cáncer de mama es el tumor maligno más frecuente en la mujer, con aproximadamente 180.000 nuevos casos diagnosticados en los Estados Unidos de América en 2007, de los que alrededor de 41.000 causarán el fallecimiento de la paciente (1). El cáncer de mama es, por tanto, una de las principales causas de muerte entre las mujeres en los países industrializados; el riesgo de desarrollar un cáncer de mama a lo largo de la vida de la mujer se estima en un 12,6% (equivalente a una de cada ocho mujeres) (1). Una vez establecido el diagnóstico del cáncer de mama, los factores pronósticos y predictivos ayudarán en la toma de decisiones sobre el manejo y tratamiento de la enfermedad. Se considera como factor pronóstico a cualquier parámetro, conocido en el diagnóstico o después de la cirugía, que se asocie con una determinada supervivencia, global o libre de enfermedad, en ausencia de tratamiento adyuvante (2). Los factores que identifican pacientes con mal pronóstico en principio son más fáciles de encontrar y evaluar que los que sirven para reconocer pacientes con muy buen pronóstico ya que para la identificación de estas últimas son necesarias series con un gran número de casos y seguimientos prolongados. Factor predictivo es cualquier valor asociado al grado de respuesta de un tratamiento específico. En el cáncer de mama temprano los factores predictivos pueden ser, por su peso a la hora de decidir el tratamiento adyuvante, más útiles clínicamente que los factores pronósticos, pero su identificación es más compleja, pues requieren ensayos clínicos exigentes para su evaluación y validación: randomizados, con gran número de pacientes para dotarlos de suficiente potencia estadística, y partiendo de protocolo estandarizados para la detección y cuantificación del factor. Dado que estos requisitos se cumplen en pocas ocasiones la consecuencia ha sido que el los últimos años se han validado muy pocos factores predictivos, y el progreso futuro en este campo y en el de los factores pronósticos, tan importante para evitar los frecuentes sobretratamientos actuales así como los tratamientos insuficientes, depende de la atención a los requisitos ya comentados (3). En los últimos años hemos asistido a grandes avances en las ciencias básicas, se han desarrollado nuevas técnicas de investigación y se ha descubierto un gran número de biomarcadores muy importantes en la regulación de los procesos implicados en la carcinogénesis. Como no podía ser de otra manera teniendo en cuenta la dimensión del problema, muchos investigadores han aplicado estos avances a la identificación de factores pronósticos y predictivos en el cáncer de mama, lo que ha supuesto un especial desafío para los clínicos, que con frecuencia se han enfrentado a la incertidumbre que acompaña a los resultados de las investigaciones en lo referido a si estos han de ser interpretados como preliminares o aplicables en la práctica diaria. De este modo, en los últimos años se ha desarrollado lo que se ha venido en llamar Oncología Traslacional (equivalente a trasladar los conocimientos adquiridos en el laboratorio de investigación a la cama del enfermo) potenciándose así la colaboración entre investigadores básicos y clínicos. Los marcadores biológicos utilizados con fines pronósticos o predictivos en el cáncer de mama han sido de gran importancia y utilidad. El grado histológico, el tamaño tumoral, el estado de los ganglios linfáticos axilares y el estudio de los receptores hormonales en el tumor (receptores de estrógenos y de progesterona) son marcadores pronósticos utilizados universalmente que condicionan el tratamiento empleado. Sin embargo, en la actualidad estamos asistiendo al desarrollo de marcadores moleculares que identifiquen la mejor o peor respuesta de los tumores a los posibles tratamientos quicio o radioterápicos y hormonales, así como la predicción de recaídas. En esta ponencia se repasarán los denominados factores pronósticos y predictivos clásicos en el cáncer de mama para desarrollar a continuación más extensamente el estado actual de los nuevos marcadores moleculares y predictivos de respuesta en este tipo de tumor.
|
|
|
|
Factores pronósticos y predictivos “clásicos”. Metástasis ganglionares. El estado de los ganglios linfáticos axilares es el factor pronóstico más importante del carcinoma infiltrante de mama en ausencia de metástasis a distancia. Sin afectación, la tasa de supervivencia libre de enfermedad a los 10 años se aproxima al 70-80%; esta cifra disminuye hasta el 35-40% cuando hay afectación de una a tres adenopatías, y al 10-15% con más de diez adenopatías (4, 5). La mayoría de los carcinomas de mama drenan a uno o dos ganglios, denominados ganglios centinelas. El ganglio centinela es altamente predictivo del estado de los ganglios linfáticos restantes, por lo que la biopsia selectiva del ganglio centinela puede ahorrar a la mujer la morbilidad asociada a la disección axilar completa, teniendo en cuenta especialmente que muchos carcinomas no tienen metástasis ganglionares en el momento del diagnóstico (estadio N0). En algunas mujeres, especialmente en aquellas en las que el tumor se localiza en los cuadrantes internos de la mama, el ganglio centinela puede ser un ganglio de la cadena mamaria interna, que habitualmente no se biopsia por la morbilidad asociada al procedimiento. Las macrometástasis (metástasis con un diámetro > Tamaño tumoral.
El tamaño del carcinoma es el segundo factor pronóstico más importante y es independiente del estado de los ganglios linfáticos axilares. Sin embargo, el riesgo de metástasis en ganglios linfáticos axilares aumenta con el tamaño del carcinoma (4). Las mujeres con carcinomas menores de Factores predictivos de respuesta a tratamientos específicos.
La mayoría de las pacientes con afectación ganglionar y/o carcinomas de más de Receptores de estrógenos y progesterona.
Actualmente la determinación de los receptores hormonales (estrógenos y progesterona) se realiza mediante inmunohistoquímica. Del 50 al 80% de los carcinomas expresan receptores de estrógenos (RE), y estos tumores son más frecuentes en mujeres postmenopáusicas. Las mujeres con carcinomas de mama con receptores hormonales positivos tienen un pronóstico ligeramente mejor que el de las mujeres con receptores hormonales negativos. Sin embargo, donde mayor utilidad tiene la valoración de los receptores hormonales es en la predicción de la respuesta al tratamiento hormonal, de modo que la decisión de recomendar a una paciente con cáncer de mama tratamiento hormonal adyuvante debe basarse en la presencia de receptores hormonales en el tumor. De hecho, el estado de los receptores para hormonas esteroideas (estrógenos y progesterona) en el tumor primario es el único marcador de respuesta al tratamiento que tiene inequívoca utilidad clínica (6). La mayoría de los laboratorios han determinado arbitrariamente el 10-20% de células tumorales positivas como el punto de corte para definir la positividad de los receptores hormonales (7). Sin embargos, en la última década hay estudios que sugieren que pacientes cuyos tumores contienen tan poco como el 1% de células débilmente positivas mejoran significativamente en la supervivencia libre de enfermedad y en la supervivencia global si son tratadas con tamoxifeno (8). En el tejido mamario el tamoxifeno actúa como un antiestrógeno, inhibiendo la unión del estrógeno a sus receptores y, de esta manera, la proliferación de las células tumorales RE-positivas. Los beneficios del tratamiento con tamoxifeno se incrementan cuando el tratamiento se prolonga durante cinco años, resultando en una reducción anual del 50% en la tasa de recidivas y del 28% en la tasa de muertes (9). Oncogén HER2/neu.
El gen HER2 (receptor 2 del factor de crecimiento epidérmico humano o c-erb B2 o neu) codifica una glucoproteína transmembrana que interviene en el control del crecimiento celular (10, 11). No parece tener un ligando específico, sino que actúa como correceptor de múltiples factores de crecimiento. Existe sobreexpresión de HER2/neu en aproximadamente el 20% de los carcinomas de mama. En más del 90% de los casos, la sobreexpresión de la proteína se debe a la amplificación del gen, localizado en 17q21 y puede determinarse por la evaluación de la proteína mediante inmunohistoquímica o determinando el número de copias del gen por hibridación in situ con fluorescencia (FISH). Al igual que ocurre con los receptores hormonales, la evaluación del oncogén HER2 es muy importante para determinar la respuesta al tratamiento dirigido frente a esta proteína con el trastuzumab. Trastuzumab es un anticuerpo monoclonal humanizado dirigido selectivamente contra las células tumorales y su desarrollo ha supuesto un hito en el tratamiento del cáncer de mama (12). La administración de tratuzumab en neoadyuvancia en tumores HER2+ puede lograr la reducción del tumor hasta en un 40% respecto a aquellas pacientes a las que no se les suministra este fármaco (13). Al utilizar el trastuzumab en pacientes HER2+ más quimioterapia se pueden obtener mejorías en un 12% en términos de supervivencia libre de enfermedad, hasta un 52% menos de recaídas y una disminución del 33% en la mortalidad (14).
|
|
|
|
La heterogeneidad biológica del cáncer de mama tiene implicaciones para el pronóstico y para la toma de decisiones terapéuticas. Una nueva aproximación en la clasificación del cáncer de mama mediante el análisis de expresión de múltiples genes en un tumor individual tiene como objetivos potenciales: obtener mejores clasificaciones de los tumores; mejor clarificación del origen de esta enfermedad; aumento de la capacidad pronóstica; y ayuda a la elección entre diferentes opciones terapéuticas (15). Hasta hace pocos años, los cambios producidos en las células tumorales se estudiaban uno a uno o en pequeños grupos en pequeñas series de tumores. Las nuevas tecnologías de micromatrices (microarray, gen chips) han permitido a los investigadores detectar y cuantificar simultáneamente la expresión de numerosos genes (potencialmente el genoma humano completo). La gran ventaja de las matrices de genes es la capacidad de analizar multitud de cambios a nivel de expresión génica, es decir, la posibilidad de establecer un “retrato molecular” del cáncer para descubrir patrones globales de expresión que no sería posible detectar con las técnicas convencionales. Sin embargo, hay que tener en cuenta que los niveles de ARNm no siempre se correlacionan con los cambios en la expresión protéica. La cantidad celular de proteínas depende no sólo de la cantidad y la frecuencia de la transcripción y traducción, sino también de la degradación protéica y de la velocidad de transporte fuera de la célula. Por tanto, son necesarios otros ensayos para determinar el contenido protéico real en el tumor. La inmunohistoquímica utiliza anticuerpos para detectar proteínas en cortes titulares. Mientras que el tejido utilizado para obtener el perfil de ARNm puede incluir células tumorales y células normales, epiteliales y del estroma, la inmunohistoquímica tiene la ventaja de permitir identificar el tipo celular que expresa la proteína y la localización celular específica de la misma. Los estudios con micromatrices de ADNc (ADN complementario obtenido a partir de ARNm) han permitido identificar subtipos de cáncer de mama reconocidos previamente en el estudio morfológico (por ejemplo, carcinomas lobulillares), por expresión de proteínas (por ejemplo, carcinomas RE positivos y HER2 positivos) y por mutaciones en línea germinal (por ejemplo, carcinomas BRCA1 y BRCA2). Así, en el año 2000 Perou et al (16) describen lo que se ha dado en llamar la clasificación molecular del cáncer de mama tras analizar mediante microarrays de cDNA las variaciones en los patrones de expresión genómica de 40 tumores de cáncer de mama humano y agrupar jerárquicamente los fenotipos según su “huella genética”. Como resultado más importante logran separar los tumores en diferentes subtipos con diferencias biológicas y pronósticas: a) Subtipo basal-epitelial: caracterizado por la ausencia o mínima expresión de receptor de estrógeno (RE) y HER2 (triple negativo), elevada expresión de citoqueratinas 5/6 y 17 (mioepiteliales), laminina, y proteína 7 de unión a ácidos grasos. A diferencia de otros subtipos, este grupo de tumores presenta alta frecuencia (82%) de mutaciones en TP53 (en tirosina) y expresión de proteína p53 (TP53 funciona como punto de control (checkpoint) en el ciclo celular desencadenando respuestas ante el daño sobre el DNA, incluyendo reparación y apoptosis). Los tumores de tipo basal reciben este nombre por su perfil de expresión genómica similar a la de un epitelio celular basal normal y a las células mioepiteliares mamarias normales. También comparte características histológicas con las células epiteliares basales de la mama normal, y muestra una tasa proliferativa elevada, necrosis central y margen infiltrativo, así como estroma escaso, frecuentes células apoptóticas y respuesta estromal linfocítica, características similares a las también observadas en los carcinomas que aparecen en mujeres portadoras de mutación en el gen BRCA1 (17). b) Subtipo HER2+: ausencia o mínima expresión de RE, elevada expresión de HER2. El perfil de expresión revela no sólo copias aumentadas de ARNm de HER2/neu, sino también un aumento en la transcripción de otros genes adyacentes que están amplificados en este segmento de ADN, como GRB7. c) Luminal A: caracterizado por la elevada expresión de RE, proteína 3 de unión a GATA, proteína de unión a caja-X, factor 3, factor nuclear 3 alfa de hepatocito y LIV-1 regulada por estrógeno. Comparte características con las células epiteliales luminales que se desarrollan a partir de la capa interna de revestimiento del ducto mamario. d) Luminal B y C: expresión baja a moderada de genes específicos de perfil luminar incluyendo los de grupo de RE. Posteriormente, dos grupos de trabajo diferentes compararon muestras de tumores de mama de agresividad alta y baja e identificaron perfiles génicos (“gene signatures”), con capacidad pronóstica, predictivos del comportamiento clínico (18, 19). A estos hallazgos siguieron algunos otros en este misma línea (20-27), incluyendo un nuevo perfil de 186 genes publicado el año 2007 que correlaciona con supervivencia no solo en cáncer de mama sino también en cáncer de pulmón, de próstata y meduloblastoma, denominado “perfil génico de invasividad” y obtenido a partir de células con capacidad tumorigenómica (próximas a las stem-cell) (28). Otro perfil se generó a partir del estudio del intereresante papel que podrían desarrollar los fibroblastos asociados al tumor en la progresión tumoral. Se planteó la posibilidad de que el patrón de expresión genómica de los fibroblastos en cultivo estimulados por suero podría relacionarse con el patrón génico de los fibroblastos en tejidos lesionados (“wounded tissues”), incluyendo los tejidos dañados por un tumor invasivo. Así las pacientes con tumores que expresan este perfil de “respuesta a herida” tendrían una peor evolución (20). El análisis de la expresión de múltiples genes puede ayudar a predecir la evolución clínica en pacientes con cáncer de mama en estadio precoz, e incluso la información obtenida puede tener mayor valor predictivo que las características pronósticas clínicas y patológicas consideradas como estándar. Parece que los tumores que responden mejor a la terapia neoadyuvante como el subtipo basal o HER2+ difieren frente a los tumores resistentes o no respondedores (29-31). Los perfiles de expresión genética podrían permitir la estratificación de determinados subgrupos en categorías pronósticas definidas diferentes (18, 19, 32-34). Un área de desarrollo muy rápido en la investigación oncológica es la identificación de un perfil de expresión genética para predecir la respuesta a Esencialmente, hay dos aproximaciones metodológicas para la evaluación de perfiles génicos: perfil de expresión genética por medio de microarrays de cDNA, que requiere tejido mamario fresco congelado (36) y, por otro lado, el uso de la técnica de RT-PCR para cuantificar la expresión de genes prospectivamente seleccionados sobre tumor fijado en formol e incluido en parafina, de los que el ejemplo más conocido sería el denominado test Oncotype DX (22), cuyas princpales características se comentan más adelante. En la mayor serie publicada hasta la fecha, procedente de Holanda (la denominada firma de Ámsterdam), se analizó inicialmente una serie de 117 tumores que fue posteriormente validada en una cohorte de 295 carcinomas de mama en estadios I-II con arreglo al perfil pronóstico de 70 genes relacionados con ciclo celular, invasividad y angiogénesis, obtenido en el estudio inicial (distinguiendo según habían recaído antes o después de 5 años). Este conjunto de genes permitió clasificar a los tumores como de mal pronóstico (n = 180) o buen pronóstico (n = 195) (18). El perfil genético mostró a 10 años diferencias entre los grupos de buen y mal pronóstico en supervivencia global (95% versus 55%) y supervivencia libre de metástasis (85% versus 51%), respectivamente. En el análisis multivariante el perfil de expresión genética tumoral fue un indicador evolutivo más poderoso que los criterios pronósticos clínicos e histológicos. Este perfil genético de 70 genes ha sido validado posteriormente en una serie de pacientes sin afectación ganglionar axilar (37). Por su carácter retrospectivo, el estudio holandés debe ser considerado como generador de hipótesis pero en ningún modo suficiente como para justificar el uso clínico rutinario. El estudio MINDACT (Microarray for Node Negative Disease May Avoid Chemotherapy) en que se comparan en pacientes sin afectación ganglionar axilar los criterios habituales histopatológicos/clínicos frente a una evaluación de perfil genético contribuirá a aclarar diversos interrogantes. Por ejemplo, ¿puede un esquema de docetaxel y capecitabina sustituir con ventaja uno basado en antraciclinas? La denominada firma de Rotterdam (genomic grade index) fue descrita en una serie inicial de 286 carcinomas de mama en estadio N0 que no habían recibido quimioterapia adyuvante (19). La serie se dividió en un grupo de estudio (115 tumores, 80 RE+ y 35 RE-) y un grupo de validación (171 tumores). Se obtuvo una firma molecular constituida por un conjunto de 76 genes relacionados con ciclo celular, progresión y proliferación tumoral. Estos 76 genes se dividieron en un conjunto de 60 genes con valor pronóstico en tumores RE+ y otro conjunto de 16 genes con valor pronóstico en carcinomas RE-. Además, este perfil de expresión génica se asoció al grado histológico del tumor, supuso una ayuda a la hora de establecer el grado histológico y su valor pronóstico, especialmente en tumores grado 2 (moderadamente diferenciados) y resultó ser un predictor independiente del riesgo de metástasis. Este perfil basado en la expresión de 76 genes ha sido validado en un ensayo multicéntrico sobre 180 pacientes con cáncer de mama N0 que no recibieron quimioterapia adyuvante (38). Corregido por los factores pronósticos tradicionales permitió discriminar grupos de pacientes que desarrollaron luego metástasis a 10 años: 94% versus 65%. En la actualidad, una limitación importante en los estudios de expresión génica en el cáncer es la de obtener un número suficiente de tumores en fresco de tal manera que los resultados obtenidos sean significativos. La utilización de muestras fijadas en formol e incluidas en parafina, tal y como se conservan de forma rutinaria en los Servicios de Anatomía Patológica, tiene como principal ventaja el acceso a grandes series de pacientes, lo que permite seleccionar retrospectivamente una casuística bien definida con seguimiento adecuado. El análisis molecular, especialmente mediante qRT-PCR o microarrays ofrece como hemos visto un gran potencial aplicado al diagnóstico, pronóstico y predicción de respuesta al tratamiento, pero requiere de un ARN de elevada calidad. El principal inconveniente que ofrecen las muestras parafinadas es el defectuoso estado de conservación de su material genético debido al proceso de fijación. Los últimos avances técnicos han permitido que actualmente se obtengan materiales de mejor calidad, con un rendimiento aceptable. Esto ha determinado que cada vez sea mayor el número de trabajos de cribaje génico que utilizan estas muestras como material de partida. Un trabajo pionero en la utilización de muestras parafinadas fue el de Cronin et al (39), en el que se analizaban muestras de cáncer de mama fijadas en formol e incluidas en parafina utilizando la técnica de RT-PCR en el formato de tarjeta microfluídica. En base a los resultados obtenidos en este estudio, Paik et al (22) analizaron 651 muestras parafinadas de pacientes con carcinoma de mama sin extensión a los ganglios y con inmunohistoquímica positiva para el receptor de estrógenos. En este trabajo los autores identificaron un perfil de expresión que predice no sólo el riesgo a recaída sino tambien el beneficio a la quimioterapia en cáncer de mama. En base a estos resultados se ha diseñado un test que incluye de 21 genes (16 genes diana implicados en el desarrollo del cáncer de mama y 5 genes de referencia) que ha sido patentado con el nombre de Oncotype Dx y que ha posibilitado el diseño de un algoritmo predictivo de riesgo (Recurrence Score: puntuación de recurrencia) agrupado en tres categorías pronósticas: riesgo alto (>30% riesgo de recaída), intermedio (≥18% y ≤30%) y bajo (<18%). La expresión elevada de genes “favorables” como el grupo de los regulados por el receptor de estrógenos, GSTM1 o BAG1 resulta en una puntuación de recurrencia baja, mientras que la expresión elevada de genes “desfavorables” como HER2, grupo de genes relacionados con invasión, y CD68 genera una puntuación elevada. Actualmente se está llevando acabo un ensayo clínico iniciado en mayo de 2007 patrocinado por el Instituto Nacional del Cáncer Americano (NCI): Trial Assigning IndividuaLized Options for Treatment o TAILORx, con el fin de evaluar si los genes que están frecuentemente asociados con el riesgo de recidiva entre las mujeres con cáncer de mama en etapas iniciales pueden ser utilizados en la práctica diaria para asignar a las pacientes el tratamiento más adecuado y efectivo. De hecho, la utilización de este test se recoge en el compendio de recomendaciones para el uso de marcadores tumorales en cáncer de mama revisado en la última reunión de ASCO (3), así como en la guía de práctica clínica en cáncer de mama del NCCN (National Comprehensive Cancer Network) (www.nccn.org). El Oncotype Dx ha mostrado no sólo la capacidad pronóstica sino también predictiva del beneficio obtenido con tamoxifen, aunque de forma preliminar aún. Para el caso de la hormonoterapia el estudio de su comportamiento en el brazo control (sólo tamoxifen) del ensayo B-14 mostró que las pacientes con Puntuación de recurrencia alta no se beneficiaban del tratamiento con tamoxifen, mientras que los grupos de puntuación baja o intermedia obtenían un beneficio sustancial (40). Además, se han efectuado estudios de validación externos. En este sentido, Habel et al (41) publicaron un estudio sobre un grupo de casos (n=220) y controles (n=570) de similares características. Tras ajustar para tamaño y grado histológico la Puntuación de Recurrencia proporcionada por el test se correlacionó bien con el riesgo de mortalidad por cáncer de mama en pacientes con positividad a estrógenos tratadas o no con tamoxifen: a 10 años. El riesgo de muerte según la Puntuación de Recurrencia fue de 2.8, 10.7, and 15.5 por ciento, respectivamente. Más importante aún es la capacidad de este test para predecir el beneficio de la quimioterapia adyuvante en las pacientes con una Puntuación de recurrencia alta. Este aspecto ha sido estudiado sobre casos incluidos en el ensayo NSABP B-20 con cáncer de mama sin afectación ganglionar y receptores negativos tratadas con tamoxifen con/sin quimioterapia adicional (CMF ó MF). Los datos obtenidos de un subgrupo de 651 pacientes mostraron que los casos con una Puntuación de Recurrencia alta presentaban un gran beneficio de la quimioterapia adyuvante (HR 0.26, disminución de recidiva a 10 años: 27%), mientras que una Puntuación de Recurrencia baja significaba un mínimo beneficio (o ninguno): disminución de recidiva a 10 años: 1.1%. En el subgrupo con puntuación intermedia no pueden extraerse conclusiones (42). Sin embargo, desde un punto de vista clínico, este test está diseñado exclusivamente: para establecer si una paciente entra dentro de una categoría pronóstica de bajo o de alto riesgo (en que podría plantearse añadir quimioterapia). Pero no está indicado en todas las pacientes con ganglios negativos y receptores positivos: así, si una paciente desea aprovechar las –reducidas- ventajas de la quimioterapia adyuvante en este contexto no tendría sentido aplicar un test que finalmente no modificaría la terapia. Evidentemente, es necesario hacer referencia a las limitaciones que el plantean los análisis de microarrays en la estimación de riesgo en cáncer de mama (43-45). Algunos autores incluso han llegado a poner en duda la ventaja que los nuevos marcadores tienen frente los marcadores clínicos clásicos, tras comparar el perfil de 70 genes con una combinación de índices pronósticos convencionales multivariables sobre el propio conjunto de datos obtenidos de la serie de van`t Veer et al (46). También es muy llamativo el hecho de que el perfil de 70 genes de Amsterdam y el denominado perfil de Rotterdam de 76 genes, a pesar de mostrar un diseño clínico y estadístico similar, solo comparten 3 genes en común. Esta contradicción puede deberse al uso de partida de plataformas de microarrays diferentes y sobre todo a la variabilidad de las firmas o perfiles genéticos derivados. Más aún, la reevaluación posterior de los datos de la serie de van´t Veer et al ha mostrado que la firma/perfil (signature) no es única sino que el conjunto de datos contiene múltiples perfiles (signatures) que se también se correlacionan con la supervivencia de las pacientes (47, y esto ha sido confirmado para otras propuestas de perfil genético (48). Esta paradoja puede explicarse por la pequeña correlación entre genes y evolución clínica, lo que hace difícil identificar los genes más predictivos. Además, el proceso de selección de genes es entonces altamente dependiente del conjunto de pacientes utilizado para desarrollar el modelo predictivo. Hay también obvias dificultades a causa del uso de muestras de pequeño tamaño y del uso de una tecnología muy sensible y relativamente poco reproducible. Otro de los problemas característicos de los perfiles genéticos surge del sesgo de uso de las muestras disponibles, que podrían no representar adecuadamente a la totalidad de pacientes realmente incluidas en el estudio. Es necesario efectuar una validación posterior externa mediante el uso del test en diferentes laboratorios que confirme que los métodos son reproducibles y aplicables de forma generalizada. También se ha aplicado esta nueva forma de conocimiento que son los perfiles génicos a los estudios predictivos que, como se ha comentado previamente, son una forma especial de estudio, con sus peculiaridades metodológicas, en que el resultado de interés no es la supervivencia sino la respuesta a un tratamiento, y el objetivo práctico del test será informar qué pacientes son candidatos a una terapia específica (49). Estas restricciones hacen más difícil la identificación de perfiles predictivos y requiere la realización de ensayos clínicos prospectivos y controlados. Recientemente, Chang et al (50) identificaron un predictor de 92 genes que correlacionaba con la respuesta a docetaxel neoadyuvante en una cohorte prospectiva de 24 tumores de mama localmente avanzados, aunque cabe mencionar como limitación que la valoración de respuesta no fue mediante criterios estándar. Otro interesante estudio valoró las diferencias en expresión de genes en el tumor residual entre los tumores considerados como sensibles frente a los resistentes a la terapia, y llamativamente encontró escasas diferencias (aunque precisamente eso puede ocurrir porque se seleccionan las poblaciones resistentes) (51). Por tanto, hemos visto que el perfil de expresión de ARNm en el cáncer de mama es una herramienta potente que ha permitido obtener información muy útil relativa a la biología molecular del cáncer de mama. En los últimos años se están desarrollando herramientas análogas para analizar perfiles de ADN y expresión protéica. Además de identificar los tipos tumorales, en el cáncer de mama las matrices de ARNm se han utilizado para predecir el pronóstico y la respuesta al tratamiento. Actualmente, resulta inviable realizar perfiles transcripcionales en cada caso clínico de cáncer de mama aunque hay firmas moleculares basadas en un número relativamente reducido de genes que han sido validadas para el uso clínico contribuyendo indiscutiblemente a lo que se ha venido en denominar la “terapia personalizada” (taylored therapy). En los últimos años se han diseñado protocolos que permiten extraer ARN de suficiente calidad a partir de muestras de cáncer de mama fijadas en formol e incluidas en parafina y la técnica de qRT-PCR parece ser una herramienta adecuada para este tipo de estudios e, incluso, ya se está utilizando como técnica de apoyo para seleccionar aquellas pacientes que se beneficiarán del tratamiento adyuvante en el caso del cáncer de mama. Finalmente, hay ensayos clínicos en marcha que en los próximos años nos facilitarán información sobre el verdadero alcance clínico de estas nuevas herramientas moleculares orientadas al pronóstico y a la selección del tratamiento adyuvante más adecuado en cada caso de cáncer de mama.
|
|
|
|
1) Jemal A, Siegel R, Ward E, Murria T, Xu J, Thun MJ. Cancer statistics. CA Cancer J Clin 2007;57:43-66.
2) Domínguez MA, Marcos M, Meiriño R, et al. Factores predictivos y pronósticos en el cáncer de mama temprano. Anales Sis San Navarra 2001;24:99-110.
3) Harris L, Fritsche H, Mennel R, et al. American Society of Clinical Oncology 2007 Update of Recommendations for the use of tumor markers in breast cancer. J Clin Oncol 2007;25:5827-5312.
4) Carter CL, Allen C, Henson DE. Relation of tumor size, lymph node status, and survival in 24740 breast cancer cases. Cancer 1989;63:181-187.
5) Fisher ER, Anderson S, Redmond C, Fisher B. Pathologic findings from the Nacional Surgical Adjuvant Breast Project Protocol B-06: 10 year pathologic and clinical prognostic discriminants. Cancer 1993;71:2507-2514.
6) Fitzgibbons PL, Page DL, Weaver D, et al. Prognostic factors in breast cancer. Collage of American Pathologist Consensus Statement 1999. Arch Pathol Lab Med 2000;124:966-978.
7) Gown AM. Current issues in ER and HER2 testing by IHC in breast cancer. Mod Pathol 2008;21:S8-S15.
8) Allred C, Harvey JM, Berardo M, Clark GM. Prognostic and predictive factors in breast cancer by immunohistochemical analysis. Mod Pathol 1998;11:155-168.
9) Early Breast Cancer Trialist Collaborative Group. Tamoxifen for erly breast cancer: An overview of the randomized trials. Lancet 1998;351:1451-1467.
10) Hayes DF, Thor AD. c-erbB-2 in breast cancer: development of a clinically useful marker. Semin Oncol 2002;29:231-245.
11) Shawver LK, Slamon DJ, Ullrich A. Smart drugs: tyrosine kinase inhibitors in cancer therapy. Cancer Cell 2002;1:117-123.
12) Slamon DJ, Leyland-Jones B, Shak S, et al. Use of chemotherapy plus a monoclonal antibody against HER2 for m etastatic breast cancer that overexpresses HER2. N Engl J Med 2001;344:783-792.
13) Buzdar AU, Ibrahim NK, Francis D, et al. Significantly higher pathologic complete remission rate after neoadjuvant therapy with trastuzumab, paclitaxel, and epirubicin chemotherapy: results of a randomized triasl in human epidermal growth factor receptor 2-positive operable breast cancer. J Clin Oncol 2005;23:3676-3685.
14) Romond EH, Pérez EA, Bryant J, et al. Trastuzumab plus adjuvant chemotherapy for operable HER2-positive breast cancer. N Engl J Med 2005;353:1673-1684.
15) Massagué J. Sorting Out Breast-Cancer Gene Signatures. N Engl J Med 2007; 356;3: 294-297.
16) Perou CM; Sorlie T; Eisen MB; et al. Molecular portraits of human breast tumours. Nature 2000;406:747-752.
17) Livasy CA, Karaca G, Nanda R, et al. Phenotypic evaluation of the basal-like subtype of invasive breast carcinoma. Mod Pathol 2006; 19: 264–271.
18) van de Vijver MJ; He YD; van`t Veer LJ, et al. A gene-expression signature as a predictor of survival in breast cancer. N Engl J Med 2002;347:1999-2009.
19) Wang Y; Klijn JG; Zhang Y, et al. Gene-expression profiles to predict distant metastasis of lymph-node-negative primary breast cancer. Lancet 2005;365:671-679.
20) Chang HY, Nuyten DS, Sneddon JB, et al. Robustness, scalability, and integration of a wound-response gene expression signature in predicting breast cancer survival. Proc Natl Acad Sci U S A 2005;102:3738-3743.
21) Minn AJ, Gupta GP, Siegel PM, et al. Genes that mediate breast cancer metastasis to lung. Nature 2005;436:518-524.
22) Paik S; Shak S; Tang G, et al. Multigene assay to predict recurrence of tamoxifen-treated, node-negative breast cancer. N Engl J Med 2004;351:2817-2826.
23) Pusztai L; Ayers M; Stec J; Clark E, et al. Gene expression profiles obtained from fine-needle aspirations of breast cancer relíably identify routine prognostic markers and reveal large-scale molecular differences between estrogen-negative and estrogen-positive tumors. Clin Cancer Res 2003;9:2406-2415.
24) Gruvberger S; Ringner M; Chen Y, et al. Estrogen receptor status in breast cancer is associated with remarkably distinct gene expression patterns. Cancer Res 2001;61:5979-5984.
25) Sotiriou C; Neo SY; McShane LM, et al. Breast cancer classification and prognosis based on gene expression profiles from a population-based study. Proc Natl Acad Sci USA 2003;100:10393-10398.
26) Sorlie T; Perou CM; Tibshirani R, et al. Gene expression patterns of breast carcinomas distinguish tumor subclasses with clinical implications. Proc Natl Acad Sci USA 2001;98:10869-10874.
27) Sorlie T; Tibshirani R; Parker J, et al. Repeated observation of breast tumor subtypes in independent gene expression data sets. Proc Natl Acad Sci USA 2003;100:8418-8423.
28) Liu R, Wang X, Chen GY, et al. The prognostic role of a gene signature from tumorigenic breast-cancer cells. N Engl J Med 2007;356:217-226.
29) Iwao-Koizumi K; Matoba R; Ueno N, et al. Prediction of docetaxel response in human breast cancer by gene expression profiling. J Clin Oncol 2005;23:422-431.
30) Rouzier R; Perou CM; Symmans WF; et al. Breast cancer molecular subtypes respond differently to preoperative chemotherapy. Clin Cancer Res 20055;11:5678-5685.
31) Hess KR; Anderson K; Symmans WF, et al. Pharmacogenomic predictor of sensitivity to preoperative chemotherapy with paclitaxel and fluorouracil, doxorubicin, and cyclophosphamide in breast cancer. J Clin Oncol 2006;24:4236-4244.
32) Glinsky GV; Higashiyama T; Glinskii AB. Classification of human breast cancer using gene expression profiling as a component of the survival predictor algorithm. Clin Cancer Res 2004;10:2272-2283.
33) van `t Veer LJ; Dai H; van de Vijver MJ, et al. Gene expression profiling predicts clinical outcome of breast cancer. Nature 2002;415:530-536.
34) Sotiriou C; Wirapati P; Loi S, et al. Gene expression profiling in breast cancer: understanding the molecular basis of histologic grade to improve prognosis. J Natl Cancer Inst 2006;98:262-272.
35) Brenton JD; Carey LA; Ahmed AA; Caldas C. Molecular classification and molecular forecasting of breast cancer: ready for clinical application? J Clin Oncol 2005;23:7350-7360.
36) Wooster R; Weber BL. Breast and ovarian cancer. N Engl J Med 2003;348:2339-2347.
37) Buyse M; Loi S; van`t Veer L; Viale G, et al. Validation and clinical utility of a 70-gene prognostic signature for women with node-negative breast cancer. J Natl Cancer Inst 2006;98:1183-1192.
38) Foekens JA; Atkins D; Zhang Y, et al. Multicenter validation of a gene expression-based prognostic signature in lymph node-negative primary breast cancer. J Clin Oncol 2006;24:1665-1671.
39) Cronin M, Pho M, Dutta D, et al. Measurement of gene expression in archival paraffin-embedded tissues: development and performance of a 92-gene reverse transcriptase-polymerase chain reaction assay. Am J Pathol 2004;164:35-42.
40) Paik S, Shak S, Tang G, et al: Expression of the 21 genes in the Recurrence Score assay and tamoxifen clinical benefit in the NSABP study B-14 of node negative, estrogen receptor positive breast cancer. J Clin Oncol 2005;23:(Suppl): abstr 510.
41) Habel LA; Shak S; Jacobs MK; et al. A population-based study of tumor gene expression and risk of breast cancer death among lymph node-negative patients. Breast Cancer Res 2006;8:R25.
42) Paik S, Tang G, Shak S, et al: Gene expression and benefit of chemotherapy in women with nodenegative, estrogen receptor-positive breast cancer. J Clin Oncol 2006;24:3726-3734.
43) Simon R, Radmacher MD, Dobbin K, et al. Pitfalls in the use of DNA microarray data for díagnostic and prognostic classification. J Natl Cancer Inst 2003;95:14-18.
44) Ransohoff DF. Rules of evidence for cancer molecular-marker discovery and validation. Nat Rev Cancer 2004; 4:309-314.
45) Michiels S, Koscielny S, Hill C. Prediction of cancer outcome with micro arrays. Lancet 2005;365:1684-1685.
46) Eden P, Ritz C, Rose C, et al. “Good Old” clinical markers have similar power in breast cancer prognosis as micro array gene expression profilers. Eur J Cancer 2004;40:1837-1841.
47) Ein-Dor L, Kela I, Getz G, et al: Outcome signature genes in breast cancer: Is there a unique set? Bioinformatics 2005;21:171-178.
48) Michiels S, Koscielny S, Hill C: Prediction of cancer outcome with microarrays: A multiple random validation strategy. Lancet 2005;365:488-492.
49) McGuire WL: Breast cancer prognostic factors: Evaluation guidelines. J Natl Cancer Inst 1991;83:154-155.
50) Chang JC, Wooten EC, Tsimelzon A, et al: Gene expression profiling for the prediction of therapeutic response to docetaxel in patients with breast cancer. Lancet 2003;362:362-369.
51) Chang JC, Wooten EC, Tsimelzon A, et al: Patterns of resistance and incomplete response to docetaxel by gene expression profiling in breast cancer patients. J Clin Oncol 2005;23:1169-1177.
|
|
|
|
- Daniela Ancich - ARGENTINA (01/11/2009 23:45:43)
- Francisco de Paula Jimenez Burgos - ESPAÑA (02/11/2009 11:33:08)
- JESÚS RAZQUIN-MURILLO - ESPAÑA (02/11/2009 16:04:08)
- Carlos Manuel Neira de Paz - ESPAÑA (02/11/2009 21:33:58)
- Maria Veronica Herrero Ducloux - ARGENTINA (02/11/2009 23:15:52)
- Zailí Gutiérrez Aleaga - CUBA (03/11/2009 5:43:47)
- Mónica Salmerón Mochón - ESPAÑA (03/11/2009 19:56:58)
- Mª Auxiliadora Aparicio Vaquero - ESPAÑA (03/11/2009 20:09:02)
- Cira J Velasco Elizalde - CUBA (03/11/2009 21:30:25)
- LILIA MARGARITA BERNAL MONDRAGON - MEJICO (04/11/2009 1:25:55)
- Elvira Gonzalez Obeso - ESPAÑA (04/11/2009 13:56:27)
- José Javier Gómez-Román - ESPAÑA (04/11/2009 14:26:49)
- Clara Milagros Sanchez Fernández - CUBA (04/11/2009 17:08:19)
- JAVIER PEREZ ALVAREZ - ESPAÑA (04/11/2009 22:02:14)
- JULIO CESAR GUERINI - ARGENTINA (04/11/2009 23:46:00)
- Montserrat Nicolás Martínez - ESPAÑA (05/11/2009 17:15:23)
- JULIA SOLARES - ESPAÑA (06/11/2009 12:18:20)
- Bélgica Márquez Lobo - ESPAÑA (07/11/2009 10:46:27)
- MARIO CASTILLO GUTIÈRREZ - MEJICO (07/11/2009 16:44:59)
- Daniela Ancich - ARGENTINA (08/11/2009 16:56:48)
- Alfredo Puertas Cantería - ESPAÑA (08/11/2009 21:40:50)
- Mª Isabel Gómez Pérez - ESPAÑA (09/11/2009 11:14:56)
- adriana bancalari - ARGENTINA (10/11/2009 3:34:42)
- Juan Ruiz Martin - ESPAÑA (10/11/2009 12:13:01)
- Daniel Sanchez Guerra - ESPAÑA (10/11/2009 21:24:31)
- MADDI GARMENDIA IRIZAR - ESPAÑA (11/11/2009 13:23:13)
- Willy Pinto Morales - ESPAÑA (11/11/2009 16:14:36)
- Mirtha Ines Rios Perez - CUBA (12/11/2009 0:10:14)
- Marilú Ríos Mazó - VENEZUELA (12/11/2009 22:15:09)
- Graciela Leonor Dascanio - ARGENTINA (13/11/2009 2:14:20)
- Susana Maria Rodriguez Gonzalez - ESPAÑA (13/11/2009 15:33:07)
- Araceli Ronquillo Rubio - ESPAÑA (13/11/2009 18:26:23)
- Mercedes García Ortega - CUBA (13/11/2009 19:40:05)
- Mercedes García Ortega - CUBA (13/11/2009 19:41:26)
- Maria Laura Haramboure - ARGENTINA (14/11/2009 13:13:45)
- Mª Esther Sánchez Díaz - ESPAÑA (14/11/2009 17:52:56)
- juan antonio suarez gonzalez - CUBA (14/11/2009 18:51:21)
- FRANCISCO JAVIER TORRES GÓMEZ - ESPAÑA (14/11/2009 19:38:39)
- Marilú Ríos Mazó - VENEZUELA (14/11/2009 20:21:29)
- Emilio Mayayo Artal - ESPAÑA (16/11/2009 14:10:34)
- Liudmila Montano Rodríguez - CUBA (16/11/2009 17:31:15)
- Victor Leonel Argueta Sandoval - GUATEMALA (17/11/2009 5:26:01)
- Ileana Franco Zunda - CUBA (17/11/2009 8:37:48)
- CRISTIAN PERNA - ESPAÑA (17/11/2009 20:32:43)
- Ana Maria Zapata Ingelmo - ESPAÑA (18/11/2009 10:43:51)
- Daisy Isabel Armas Castillo - CUBA (18/11/2009 21:07:00)
- Axel Schmidt-Bäumler - ESPAÑA (18/11/2009 21:46:39)
- Felipe Gustavo Junchaya Aparcana - PERU (20/11/2009 2:00:32)
- Armando Rivero León - CUBA (20/11/2009 3:50:28)
- Mª Flora Tarrero Carrera - ESPAÑA (20/11/2009 19:28:21)
- Mª TERESA DIEGO IBAÑEZ - ESPAÑA (20/11/2009 22:47:39)
- Raimy Márquez Pedraza - CUBA (21/11/2009 18:13:09)
- María Jesús Coma del Corral - ESPAÑA (22/11/2009 0:09:07)
- Octavio Burgués Gasión - ESPAÑA (22/11/2009 19:50:50)
- Carmen Cabezón Bienes - ESPAÑA (22/11/2009 22:39:15)
- OLGA GARCIA-VIDAL - ESPAÑA (22/11/2009 23:25:14)
- Milagros Gutiérrez Bury - ESPAÑA (23/11/2009 11:46:38)
- MARIA CEBOLLERO - ESPAÑA (23/11/2009 12:03:35)
- MARIONA SUÑOL - ESPAÑA (23/11/2009 13:22:37)
- Milagros Gutiérrez Bury - ESPAÑA (23/11/2009 14:45:10)
- Maria Santacana Espasa - ESPAÑA (23/11/2009 17:39:58)
- Daisy Isabel Armas Castillo - CUBA (23/11/2009 19:08:46)
- FRANCISCO JOSE ORTEGA ROJO - ESPAÑA (23/11/2009 20:43:17)
- ANA MARIA VALLEJO BENITEZ - ESPAÑA (23/11/2009 21:10:09)
- Montserrat Mora Cabezas - ESPAÑA (23/11/2009 21:14:49)
- MARIA GARCIA MARTOS - ESPAÑA (23/11/2009 22:02:20)
- Marcia Patiño Patiño - ECUADOR (23/11/2009 23:08:14)
- Jimena Andrea Friz Salazar - CHILE (24/11/2009 1:28:35)
- Octavio Flores - MEJICO (24/11/2009 2:56:36)
- Mª Milagros del Hoyo Fernandez - ESPAÑA (24/11/2009 3:49:27)
- ANA ISABEL GARCIA-VALTUILLE PEREZ - ESPAÑA (24/11/2009 11:13:29)
- tamara bolado bello - ESPAÑA (24/11/2009 12:50:03)
- Alejandro Seoane Seoane - ESPAÑA (24/11/2009 17:55:24)
- Maialen Alonso Arratibel - ESPAÑA (24/11/2009 18:13:16)
- Lourdes Bengochea Martinez - ESPAÑA (24/11/2009 19:34:18)
- LAURA NAJERA - ESPAÑA (25/11/2009 11:31:31)
- MARIA TERESA SANCHEZ MEDIANERO - ESPAÑA (25/11/2009 16:42:30)
- Rafael Esteban Carvia Ponsaillé - ESPAÑA (25/11/2009 18:44:55)
- ALFONSO CAY DIARTE - ESPAÑA (25/11/2009 20:17:53)
- ALFONSO MARTIN CARNICERO - ESPAÑA (25/11/2009 20:37:39)
- Jose Juan Fernández de Mera - ESPAÑA (25/11/2009 21:44:43)
- Jose Juan Fernández de Mera - ESPAÑA (25/11/2009 21:44:45)
- Eva Ibañez Ibañez - ESPAÑA (25/11/2009 22:29:36)
- ARACELI lopez chumillas - ESPAÑA (26/11/2009 8:53:11)
- IDOIA LARRAYA SAN ROMAN - ESPAÑA (26/11/2009 10:02:02)
- MªEugenia Reguero Callejas - ESPAÑA (26/11/2009 13:29:22)
- Casilda Lafuente Nalda - ESPAÑA (26/11/2009 18:06:35)
- ESTEFANIA GARRIDO HIJANO - ESPAÑA (26/11/2009 18:48:51)
- David Hardisson - ESPAÑA (Autor) (26/11/2009 21:18:12)
- Francisco Cruz Cordero - ALEMANIA (27/11/2009 12:47:48)
- Ana María Castro Morillo - CUBA (27/11/2009 16:12:51)
- Daniela Ancich - ARGENTINA (27/11/2009 17:01:16)
- Karen Romero - ESPAÑA (27/11/2009 18:29:47)
- Daniela Ancich - ARGENTINA (27/11/2009 19:20:44)
- ROXANA PERALTA MONTES - PERU (28/11/2009 3:31:27)
- Carlos Vidal Puga - ESPAÑA (28/11/2009 12:18:44)
- David Hardisson - ESPAÑA (Autor) (28/11/2009 19:34:57)
- Azahara Martinez López - ESPAÑA (28/11/2009 20:20:55)
- Irene Sansano - ESPAÑA (29/11/2009 12:50:31)
- Juan Gómez Valcárcel - ESPAÑA (29/11/2009 13:16:29)
- Pilar Margarita Sango Lamban - ESPAÑA (29/11/2009 14:53:37)
- Daniela Ancich - ARGENTINA (29/11/2009 21:06:43)
- CARMEN LOPEZ VARELA - ESPAÑA (29/11/2009 21:11:20)
- Teresa Rivera - ESPAÑA (30/11/2009 8:25:14)
- OLGA ACINAS GARCIA - ESPAÑA (30/11/2009 10:25:22)
- Pilar Margarita Sango Lamban - ESPAÑA (30/11/2009 10:48:47)
- Francisca Salvá Ramonell - ESPAÑA (30/11/2009 13:57:34)
- Lidia Atienza Cuevas - ESPAÑA (30/11/2009 17:52:34)
- Ernesto Manuel Hernández Valdés - CUBA (30/11/2009 18:04:46)
- John Andrés Lara Arreaga - ESPAÑA (30/11/2009 19:07:32)
- Áurea Gómez Durán - ESPAÑA (30/11/2009 20:05:27)
- Lilian Ruth Jara - ARGENTINA (30/11/2009 20:14:05)
- Patricia Reyes Ureña - REPUBLICA DOMINICANA (30/11/2009 21:22:20)
- Patricia Reyes Ureña - REPUBLICA DOMINICANA (30/11/2009 21:22:20)
- Marisa Alejandra Pizzo - ARGENTINA (30/11/2009 23:26:11)
|
|
|
|
|
Web mantenido y actualizado por el Servicio de informática uclm. Modificado: 16/06/2015 11:37:37