A resposta ao tratamento anticâncer é ditada não apenas pela disponibilidade de alvos moleculares dentro do tumor, mas também pela composição altamente heterogênea e específica do paciente de células dentro dos tumores e seu complexo microambiente tumoral (TME). Consequentemente, alguns pacientes demonstram respostas notáveis às terapias anticâncer, enquanto outros experimentam efeitos insignificantes. Assim, há uma necessidade urgente de estratégias mais eficazes para pré-selecionar pacientes para terapias, mitigando o risco de administrar medicamentos ineficazes e potencialmente prejudiciais e acelerando o processo para que os pacientes recebam o tratamento mais eficaz.
A solução mais promissora para lidar com respostas heterogêneas ao tratamento é a criação de modelos derivados de pacientes (‘avatares de pacientes’) que representem com precisão o tumor de um indivíduo. Adaptar terapias para pacientes com câncer com base nas respostas de seus avatares a medicamentos anticâncer pode mudar toda a abordagem para tratar pacientes com doenças de tumores sólidos. Embora a introdução desses sistemas humanos in vitro em ambientes clínicos tenha sido desafiadora, evidências recentes demonstraram a prontidão desses modelos para tradução clínica.
