Οι θεωρίες σχετικά με τη φύση του καρκίνου μπορούν να ταξινομηθούν σε δύο κατηγορίες:
1) Ο καρκίνος θεωρείται ως ένα αυστηρά τοπικό φαινόμενο που έχει να κάνει με την In Situ (επιτόπια) εκδήλωση μιας σωρείας μεταλλάξεων στα κύτταρα ενός συγκεκριμένου ιστού που οδηγεί στη νεοπλασία.
2) Ο καρκίνος αποτελεί μια τοπική εκδήλωση μιας ευρύτερης, χρόνιας παθογενετικής και συνεχώς αναπτυσσόμενης μεταβολής, σε επίπεδο συστημάτων, στον οργανισμό .
Η πρώτη κατηγορία θεωριών, κυριαρχεί στην τρέχουσα Ιατρική Σκέψη και Αντίληψη.
Όμως, κατά καιρούς, με βάση μοριακές μελέτες καρκινικών κυττάρων τόσο in vitro όσο και in vivo σε πειραματόζωα, που αφορούν τους μηχανισμούς ανοσοβιολογικής απόκρισης στην καρκινογένεση και στις μεταλλαξιγόνες διαδικασίες πρωτοογκογονιδίων και στην έκφρασή τους, οδηγούμεθα στο συμπέρασμα ότι ο καρκίνος είναι μια -φαινομενικά- μόνο τοπική εκδήλωση μιας ευρύτερης Συστημικής Νόσου (όπως φυσικά και το αντίστροφό του, δηλ. η γήρανση). Συνεπώς, τα δεδομένα συγκλίνουν υπέρ της 2ης θεωρίας.
Η σύγκλιση προς την παραπάνω δεύτερη θεωρία, υποστηρίζεται επίσης και από επιδημιολογικά δεδομένα σε πάσχοντες από νεοπλασίες, παγκοσμίως. Προκειμένου να αποσαφηνιστεί η ακριβής έννοια της ''Συστημικής Νόσου'' (Systemic Disease) και η κλινική χρησιμότητα ενός τέτοιου όρου, οι διάφοροι τύποι νεοπλασιών, συγκρίνονται σε επίπεδο αναλογίας με τους αυτοάνοσους αγγειακούς μηχανισμούς που οδηγούν στην Αρτηριοσκλήρωση και κατ'επέκταση, στην Ισχαιμική Καρδιοπάθεια ή Εγκεφαλοαγγειακή Νόσο. Η Αρτηριοσκλήρωση θα μπορούσε να θεωρηθεί, επίσης ως μοντέλο Συστημικής Νόσου. Και ο λόγος είναι ότι εμφανίζει τις πρώτες κλινικές εκδηλώσεις της από την τοπική παθογενή αλληλεπίδραση των T8 λεμφοκυττάρων με το ενδοθήλιο του αγγείου, η οποία οδηγεί σε Οξύ Έμφραγμα του Μυοκαρδίου ή Εγκεφαλικό Επεισόδιο. Αυτές λοιπόν οι τοπικές ανοσοβιολογικές εκδηλώσεις στο αγγείο μπορεί να ακολουθούνται από δευτερεύουσες συστημικές συνέπειες όπως η Συμφορητική Καρδιακή Ανεπάρκεια (αν πρόκειται για στεφανιαία αγγεία) ή Εγκεφαλική Ισχαιμία (αν πρόκειται για εγκεφαλικά αγγεία).
Με βάση τα παραπάνω, στο ίδιο ακριβώς πλαίσιο προτείνεται να θεωρηθεί ο καρκίνος: Δηλ. ως μια Συστημική Νόσος που εμφανίζεται σε κλινικό επίπεδο από τοπικά φαινόμενα όπως πχ. το αδενοκαρκίνωμα, το λέμφωμα και το σάρκωμα. Στην τροχιά του χρόνου, οι κλινικές αυτές εκδηλώσεις οφείλωνται σε συσσώρευση μεταλλάξεων ακόμα και 3 δεκαετιών πριν την εκδήλωση της τρέχουσας νεοπλασίας (συστημική παθογένεια) και στο επέκεινα, αυτές οι τρέχουσες τοπικές κλινικές εκδηλώσεις μπορεί να οδηγήσουν, περαιτέρω, σε δευτερογενείς συστημικές συνέπειες, όπως η μετάσταση. Τα μεγάλα χρονικά διαστήματα καθυστέρησης από τη μια τοπική παθογενή εκδήλωση στην άλλη (πιο σοβαρής μορφής συμπτωμάτων), τείνουν να οδηγήσουν σε εσφαλμένη εντύπωση με βάση τα κλινικά και εργαστηριακά δεδομένα στον ασθενή, σε σημείο που στο διάστημα αυτό των συστημικών παθογενετικών διεργασιών, ο ασθενής να θεωρείται ''κλινικά υγιής''.. Μέχρι βέβαια της αποδείξεως του εναντίου.
Συνεπώς, η έννοια της Συστημικής Νόσου όπως ο Καρκίνος, η Γήρανση και οι Αγγειοπάθειες (αλλά και τα Αυτάνοσα και άλλες), χαρακτηρίζονται από ένα Τροχιακό Πεδίο Ορισμού, στο οποίο υπεισέρχονται τόσο ο παράγοντας Χρόνος όσο και η Διαλεκτική της Ανάπτυξης: Αλληλεπίδραση Χωροχρονικών Μεταβολών σε Πολλαπλές Κλίμακες Οργάνωσης των Συστημάτων του πάσχοντος οργανισμού. Με βάση όλα αυτά, η ένταξη της Βιολογία των Συστημάτων (Systems Biology) στην Πρόληψη, την Κλινική Διάγνωση και στην Αντιμετώπιση του Καρκίνου, κρίνεται πια αναπόφευκτη.
Η Βιολογία των Συστημάτων είναι Διεπιστημονικός Τομέας Σκέψης, Μελέτης, Έρευνας και Εφαρμογών, στην οποία τόσο ο οργανισμός όσο και η νόσος αποτελεί ένα σύστημα δικτυώσεων από το οποίο προκύπτει τόσο η εύρυθμη λειτουργία που καλείται ''υγεία'' όσο και η δύσρυθμη κατάσταση που καλείται ''ασθένεια''. Η Βιολογία των Συστημάτων συνδυάζει γνώσεις από τις Βασικές Βιοϊατρικές Επιστήμες και από τις Επιστήμες του Μηχανικού (Engineering). Πολλοί Ηλεκτρολόγοι Μηχανικοί, Επιστήμονες Υπολογιστών, Βιοτεχνολόγοι/Βιοϊατρικοί Μηχανικοί και Φυσικομαθηματικοί, καταπιάνονται με τη Βιολογία των Συστημάτων.
Η αποτελεσματικότητα της προσέγγισης του καρκίνου και των λοιπών νόσων υπό το πρίσμα της Βιολογίας των Συστημάτων, μπορεί να προσδιοριστεί πλήρως, με βάση την επιτακτική ανάγκη κατανόησης των μηχανισμών της ζωής και της ασθένεια στο θεμελιώδες συστημικό επίπεδο για την ανάπτυξη εργαλείων ταχείας διάγνωσης, θεραπείας και πρόληψης των νεοπλασματικών νόσων. Η Βιολογία των Συστημάτων λειτουργεί με συγκεκριμένα δεδομένα, εργαλεία και αλγορίθμους παρεμβάσεων όπως Συνδυαστικές και Αυτοματοποιημένες Διαγνώσεις Πολλαπλών Επιπέδων, Υπολογιστικές Προσομοιώσεις και Στρατηγικές Θεραπειας Σύγκλισης (Συνδυασμός Ακριβούς Διάγνωσης μετά Νανομοριακής Στόχευσης στη ρίζα της νεοπλασίας). Αλλά για την ώρα, ο πιο βραχυπρόθεσμος στόχος της Βιολογίας Συστημάτων του Καρκίνου είναι η βελτίωση της διάγνωσης του καρκίνου, της ταξινόμησής του και η καλύτερη πρόβλεψη έκβασης της προτεινόμενης θεραπείας. Αυτό αποτελεί και τη βάση για την Εξατομικευμένη Θεράπεια του Καρκίνου.
Σημαντικές προσπάθειες έχουν γίνει στην Υπολογιστική Βιολογία και στην Προσομοίωση των Έμβιων Συστημάτων για τη δημιουργία ρεαλιστικών πολυ-αρθρωτών μοντέλων νεοπλασιών σε Πραγματικό Χρόνο (Real-Time) και στη δημιουργία μοντέλων In Silico διαφόρων τύπων όγκων, μεταστατικών διαδικασιών και θεραπευτικών στρατηγικών. Ήδη έχουμε διανύσει παραπάνω από μισή περίοδο στη Μεταγονιδιωματική Εποχή, ευρισκόμενοι πια, στην Ιντεγκρωμική Εποχή (Integromics Era) της Βιολογίας και συνεπώς, η επιτάχυνση της σύγκλισης της Κλινικής Παθολογίας με τη Βιολογία των Συστημάτων θα πρέπει πια να είναι ΜΟΝΟΔΡΟΜΟΣ!
Η προσέγγιση της Βιολογίας των Συστημάτων περιλαμβάνει την ανάπτυξη πολύπλοκων και αλληλεπιδρώντων Μηχανιστικών Μοντέλων, όπως η Ανακατασκευή Δυναμικών Συστημάτων από τις ποιοτικές και ποσοτικές ιδιότητες των δομικών στοιχείων/κόμβων τους. Η δημιουργία ενός μοντέλου, ορίζεται από τις ιδιότητες των υποκείμενων δικτυώσεων των υπομονάδων (υποσυστήματα) του, οι οποίες παίζουν το ρόλο των Υπολογιστικών Πρακτόρων Μοντελοποίησης ενός Έμβιου Συστήματος (Μόρια, Κύτταρα, Ιστοί, Συστήματα, κλπ). Για παράδειγμα, ένα Αρθρωτό Κυψελοειδές Δίκτυο κυττάρων ενός ιστού, μπορεί να μοντελοποιηθεί μαθηματικά με τη χρήση μεθόδων που προέρχονται από Χημική Κινητική και τη Θεωρία του Ελέγχου και των Αυτομάτων (Κυβερνητική Πρώτης Τάξης, της προσέγγισης του Norbert Wiener). Λόγω του μεγάλου αριθμού παραμέτρων, μεταβλητών και περιορισμών σε τέτοιου είδους δίκτυα, γίνεται χρήση Αυτοματοποιημένων Υπολογιστικών Μεθόδων σε επίπεδο Ολοκλήρωσης (Integration) σε Πραγματικό Χρόνο (Real-Time).
Δεν υπάρχει τίποτε πιο αποτελεσματικό και προσοδοφόρο από την ελαχιστοποίηση του χρονομεριδίου multitasking (πολυεπεξεργασίας) στη Βιοϊατρική Έρευνα ασθενειών όπως ο καρκίνος. Πρόκειται για μείωση χρόνου αναμονής αποτελεσμάτων σε: Εργαστηριακά πειράματα, στη συλλογή, επεξεργασία και ερμηνεία πειραματικών και κλινικών δεδομένων, στη μελέτη συνδυασμού ομοιοτήτων και διαφορών ανάμεσα στα πειραματικά και τα κλινικά δεδομένα (μελέτες αντιστοίχησης), σε κλινικές εφαρμογές φαρμακοθεραπείας ή οποιασδήποτε άλλης θεραπείας ασθενών αλλά και της de novo ανάπτυξης φαρμάκων και θεραπευτικών στρατηγικών (θεραπεία με βιολογικούς παράγοντες, έξυπνα συστήματα μεταφοράς βιοδραστικών μορίων, νανοθεραπεία, κλπ).
Πρόκειται για μείωση χρόνου Έρευνας και Ανάπτυξης, Βελτιστοποίηση των Αποδόσεων και Μεγιστοποίηση του Κλινικού Αποτελέσματος σε πιο έγκαιρη πρόληψη, διάγνωση και αποτελεσματική (και γιατί όχι και ριζική!) θεραπεία της νόσου.
Η Συστημική Προσέγγιση στην Παθολογία επιταχύνει τη Μεταφραστική Έρευνα (Translational Research) στην Ιατρική. Η πλήρης αυτοματοποίηση των Εργαστηρίων Βιοεπιστημών, τόσο των Ερευνητικών Εργαστηρίων και Διαγνωστικών Κέντρων όσο και των Κλινικών Ιατρείων και Νοσοκομείων, έφτασε!
Συνεπώς, οδηγούμεθα σε μια Ολοκληρωμένη Προσέγγιση της Επιστήμης των Συστημάτων και της Κυβερνητικής (Cybernetics) στην Ιατρική και την Υγεία.
Με βάση τις δυο παραπάνω εικόνες, η Αυτοματοποίηση των Πειραμάτων, των Συσκευών που λαμβάνουν χώρα σε αυτά, των Λογισμικών Επεξεργασίας Δεδομένων και Εξόρυξης Πληροφοριών και Στατιστικών Δεδομένων Μετα-Ανάλυσης (από wet εργαστηριακές, In Silico και κλινικές μελέτες, ταυτόχρονα) και των Έξυπνων Συστημάτων Λήψης Αποφάσεων (AI Expert Systems) αποτελεί τη λειτουργία-κλειδί για μια βιώσιμη Βιολογία των Συστημάτων του παρόντος και του μέλλοντος. Τα Συστήματα Αυτοματισμού στα Βιοϊατρικά Εργαστήρια είναι απολύτως απαραίτητα για την προσθαφαίρεση διαγνωστικών παρατηρήσεων σε ασθενείς, για την άμεση δοκιμή, έγκριση και χρήση φαρμάκων σε πειραματικές ομάδες ασθενών, χωρίς κίνδυνο, με τελικό στόχο την ανάπτυξη έγκαιρων θεραπειών του καρκίνου για το ευρύ κοινό. Όλα αυτά αποτελούν απότοκες καινοτομίες της Μηχανικής Συστημάτων Αυτόματου Ελέγχου (Μηχανική Αυτοματισμών). Οι καινοτομίες αυτές συμβάλλουν στην πλήρη Αυτοματοποίηση της Βιολογίας. Κύριο εργαλείο της Βιολογίας των Συστημάτων είναι η Αυτοματοποίηση αυτή.
Η Βιολογία των Συστημάτων, ραγδαία πια, μέσω της Μοντελοποίησης των Φυσιολογικών και των Παθογενετικών Διαδικασιών και μέσω της Αυτοματοποίησης των Βιοϊατρικών Εργαστήριων, φέρνει προ των πυλών τη σύγκλιση των Βασικών και Πειραματικών Βιοεπιστημών με την Κλινική Παθολογία, εγκαθιδρύοντας τη Μεταφραστική Ιατρική (δηλ. Ιατρική της άμεσης μετάβασης από το Ερευνητικό Εργαστήριο στην Κλίνη του Ασθενούς, στο Ιατρείο, το Νοσοκομείο ή και το Σπίτι του) ως μια καθημερινή πραγματικότητα.
Συγγραφέας της παρούσας δημοσίευσης: Γιώργος-Φανούριος Πουλόπουλος
Πηγές-Παραπομπές:
Yoram Vodovotz, Gary An, : Translational Systems Biology, 1st Edition, Concepts and Practice for the Future of Biomedical Research (2014)
PLOS Journal of Computational Biology (several informations from various articles, from 2007 to 2018).
Noble, Denis (2006). The music of life: Biology beyond the genome. Oxford: Oxford University Press.
Gershom Zajicek, Cancer starts as a systemic disease, January 1992.