Modelado fractal-fraccional de la dinámica inmunitaria en leucemia mielógena crónica mediante el método de wavelets de Laguerre

Por qué importa para el cáncer sanguíneo y el sistema inmunitario

La leucemia mielógena crónica (LMC) es un cáncer de la sangre que se desarrolla durante años, mientras que el sistema inmunitario intenta constantemente mantenerlo bajo control. Hoy los médicos disponen de fármacos potentes, pero sigue siendo difícil predecir cómo interactuarán con el tiempo las células tumorales y las inmunitarias de un paciente. Este artículo presenta un nuevo tipo de modelo matemático que trata al tumor y a la respuesta inmune como un sistema dinámico acoplado con «memoria» y estructura compleja. El objetivo es construir herramientas más realistas que, en última instancia, puedan ayudar a diseñar terapias más inteligentes y planes de tratamiento a largo plazo.

Cómo interactúan las células cancerosas e inmunitarias

Los autores parten de un modelo existente que sigue a tres actores clave en la LMC: linfocitos T naïve, linfocitos T efectoras y células leucémicas. Los linfocitos T naïve son los reclutas inexpertos; cuando detectan señales de leucemia, algunos se transforman en T efectoras, los combatientes de primera línea que atacan las células cancerosas. Las propias células tumorales crecen según una ley de saturación: se expanden rápidamente cuando son pocas y ralentizan a medida que se acercan a un tamaño máximo impuesto por su entorno. Las versiones estándar de este modelo usan ecuaciones diferenciales ordinarias, que suponen que lo que ocurre a continuación depende solo del estado actual y no de cómo llegó el sistema a ese estado.

Añadiendo memoria y estructura rugosa al modelo

La biología real no carece de memoria ni es perfectamente suave. Las respuestas inmunitarias dependen de encuentros pasados, y los tumores crecen con patrones irregulares y parcheados en lugar de esferas ordenadas. Para capturar ambos efectos a la vez, los autores reconstruyen el modelo de LMC usando lo que denominan operadores fractal–fraccionales. Una parte, controlada por un parámetro llamado orden fraccional, codifica memoria: el futuro del sistema depende de una historia ponderada de su pasado. La otra parte, controlada por una dimensión fractal, captura cuán irregular o «áspero» es el entorno del tumor. Cuando ambos parámetros se fijan en uno, el modelo se comporta como la versión clásica; cuando se reducen, la historia y la complejidad geométrica cobran mayor importancia.

Garantizar que las nuevas ecuaciones se comporten con sentido

Antes de confiar en un modelo así, hay que demostrar que sus soluciones tienen sentido biológico. Los autores prueban que, bajo condiciones razonables, sus ecuaciones tienen una solución única que permanece positiva y acotada en el tiempo: los recuentos celulares nunca se vuelven negativos ni estallan hacia el infinito. Luego analizan los estados estacionarios del sistema. En este marco, un estado totalmente libre de tumor es matemáticamente inestable: cualquier pequeña introducción de células leucémicas crecerá. En su lugar, el sistema tiende hacia un equilibrio de «tumor presente» donde coexisten células cancerosas e inmunitarias. Empleando herramientas de teoría de la estabilidad, muestran que ese estado de coexistencia no solo es estable localmente sino atractor global: todas las condiciones iniciales realistas evolucionan hacia él.

Métodos numéricos rápidos para una enfermedad lenta

Puesto que las nuevas ecuaciones incorporan memoria y efectos fractales, son más difíciles de resolver por ordenador que las estándar. Los autores desarrollan una técnica numérica basada en wavelets de Laguerre, una familia de funciones base que puede aproximar eficazmente el comportamiento en tiempos largos. Este método transforma el problema original en un sistema reducido de ecuaciones algebraicas que puede resolverse de forma rápida y precisa. Al compararlo con esquemas temporales más familiares, el método de wavelets logra la misma precisión con muchas menos operaciones computacionales, lo cual es importante para ejecutar numerosas simulaciones o ajustar el modelo a datos de pacientes.

Qué revelan las simulaciones sobre el control de la enfermedad

Con estas herramientas, los autores exploran cómo cambiar los parámetros de memoria y fractalidad moldea los resultados de la enfermedad. Reducir el orden fraccional (memoria más fuerte) o disminuir la dimensión fractal (geometría tumoral más irregular) hace que la población leucémica decaiga más rápido y se estabilice en un nivel a largo plazo menor. En otras palabras, un sistema que «recuerda» su pasado y un tumor que crece en un entorno más intrincado son más fáciles de controlar por el sistema inmunitario. Un análisis de sensibilidad muestra que dos cantidades biológicas dominan el tamaño final del tumor: la propia tasa de crecimiento del cáncer y la tasa a la que las células T efectoras matan células cancerosas. Esto concuerda con las estrategias terapéuticas actuales que combinan fármacos dirigidos para frenar el crecimiento tumoral con inmunoterapias que aumentan la capacidad de eliminación por el sistema inmune.

Qué significa esto para los pacientes y trabajos futuros

En términos claros, el estudio concluye que es improbable que la LMC desaparezca por sí sola; la tendencia natural del sistema es asentarse en un equilibrio donde coexisten células cancerosas e inmunitarias. Sin embargo, al construir un modelo que incluye memoria y complejidad estructural, los autores pueden describir escenarios en los que ese equilibrio favorece al paciente, con una carga tumoral a largo plazo menor. Su marco fractal–fraccional, acoplado con métodos numéricos eficientes, sienta las bases para futuros «experimentos digitales» sobre el momento y la combinación de tratamientos. Con datos clínicos, el mismo enfoque podría personalizarse, ajustando los parámetros de memoria y geometría para pacientes individuales y así pronosticar trayectorias de la enfermedad y optimizar la terapia.

Cita: Khirsariya, S.R., Noori, N. Fractal-fractional modeling of chronic myelogenous leukemia immune dynamics using Laguerre wavelets method. Sci Rep 16, 14106 (2026). https://doi.org/10.1038/s41598-026-43767-3

Palabras clave: leucemia mielógena crónica, dinámica tumor-inmune, cálculo fraccionario, modelado fractal de tumores, métodos numéricos con wavelets