Hola Yanico,
Intento contestarte con algo más de detalle, porque aquí es muy fácil mezclar sensaciones con hechos.
A mí, todo este proceso con Laminar, otras inversiones en CapitalCell y el apoyo de la IA me ha servido para madurar bastante la forma de analizar biotech. Sobre todo, para separar mejor el ruido de los hechos.
Precisamente ese era el objetivo de mis últimos posts: apartar todo el ruido que ahora mismo rodea el ensayo —la empresa no dice nada, el grupo de metilados es pequeño, no hay acuerdos con pharmas ni con fondos, etc.— y quedarme solo con lo que sí es observable y modelizable:
- el calendario real de reclutamiento,
- la forma de la curva de supervivencia tipo Stupp, ampliamente documentada y aceptada como referencia para el control,
- y las fechas proyectadas del evento primario de OS.
A partir de ahí, la idea ha sido construir un marco lo más limpio posible: Weibull calibrada, integración correcta del reclutamiento, resolución inversa del problema, validación Monte Carlo y, además, un esquema reproducible y auditable. De hecho, el planteamiento ha sido replicado por Jekyll And Mr Hyde con un modelo de Anthropic, y los resultados salen prácticamente idénticos.
Bajo esos supuestos, los resultados que he compartido son bastante robustos. Pero aquí está la clave: son robustos bajo los supuestos de partida. Si cambian esos supuestos, cambian los resultados.
Y ahí es donde entra la parte importante de tu pregunta.
A medida que la fecha del evento primario se va retrasando, el modelo gana tolerancia a desviaciones en los supuestos —por ejemplo, en la OS del control o en la forma real de la curva— y aun así sigue arrojando escenarios compatibles con eficacia. En ese sentido, dentro de este marco, que la fecha se desplace más adelante sí es una buena noticia.
Pero no es una prueba de éxito. Es una compatibilidad bajo un modelo.
En los últimos posts he empezado a revisar uno de los grandes puntos ciegos de ese marco: la singularidad de algunos criterios de selección de CLINGLIO, y en particular la resección obligatoria.
Ahí hay datos interesantes. En el paper que compartió Mancolepanto, por ejemplo, aparece una diferencia muy marcada:
- biopsia sola: OS de 265 días
- resección: OS de 1053 días
Eso, a primera vista, parece una diferencia enorme. Pero hay que ponerlo en contexto.
El mismo paper también recoge algo importante: aproximadamente el 80% de los pacientes reciben resección y el 20% solo biopsia. Ese reparto encaja bastante bien con otros datos contemporáneos que he obtenido.
¿Eso qué implica?
Que muchos ensayos de glioblastoma no exigen resección obligatoria, pero en la práctica ya están muy cargados hacia pacientes resecados. Por tanto, pasar de un control con ~80% de resección a uno con 100% de resección, como en CLINGLIO, no debería multiplicar la OS del control, sino desplazarla algo al alza, probablemente de forma más limitada.
El problema es que no hay literatura suficientemente buena como para cuantificar con precisión ese delta en términos de mOS en ensayos realmente comparables. Y ese es, ahora mismo, para mí, el principal punto ciego del análisis.
Por eso, con el desplazamiento reciente del calendario hacia 2027, lo que estoy haciendo es reformular el ejercicio con un control más exigente. Es decir:
- introducir un escenario alto para el control,
- modelizar explícitamente una cohorte con resección prácticamente universal,
- y ver hasta dónde puede subir razonablemente la OS del control sin perder coherencia con datos reales.
Para construir ese extremo superior, el mejor proxy que he encontrado de momento es la fase 2a de SurVaxM. No porque sea comparable de forma directa, sino porque representa una cohorte con criterios incluso más favorables que CLINGLIO y, además, con posible efecto del fármaco. Es decir, sirve mejor como techo razonable que como caso base.
Mis primeros resultados con ese enfoque siguen siendo favorables para la hipótesis de eficacia, incluso tensionando bastante el control, pero todavía requieren más validación antes de compartirlos como algo realmente auditable. Sobre todo, hay que tener en cuenta que la fase 2a de SurVaxM incluye solo 64 pacientes en un único brazo. Aunque ese tamaño no está muy lejos de los 72 pacientes por brazo de CLINGLIO, sigue siendo una base demasiado limitada como para proyectar una curva con el grado de documentación y fiabilidad histórica que tiene la de Stupp.
Resumiendo mucho:
- el retraso hacia 2027 es consistente con una lectura más favorable que la inicial,
- pero no permite decir “éxito seguro”,
- mis primeros análisis con la fecha de evento primario actualizada siguen aguantando incluso con supuestos más duros,
- y la variable que más manda sigue siendo la misma: la OS real del control.
Paciencia. Si nos se alarga más, nos iremos ya a 8 años de ensayo.