Un estudio que se publica en la revista Annals of Oncology presenta el primer análisis de sangre que puede detectar con precisión más de 50 tipos de cáncer e identificar en qué tejido se originó el tumor, en muchas ocasiones antes de que haya signos o síntomas clínicos de la enfermedad.
En el artículo, que forma parte del Atlas del Genoma Libre de Células Circulantes (CCGA), los investigadores muestran que la prueba, que podría usarse en los programas nacionales de detección del cáncer, tiene una tasa de falsos positivos del 0,7%, es decir, menos del 1% de las personas sería identificada erróneamente como portadoras de cáncer.
A modo de comparación, aproximadamente el 10% de las mujeres es identificada erróneamente como portadoras de cáncer en los programas nacionales de detección de cáncer de mama, aunque esta tasa puede ser mayor o menor dependiendo del número y la frecuencia de los exámenes y el tipo de mamografía realizada.
Además, el nuevo test fue capaz de predecir el tejido en el que se originó el cáncer en el 96% de las muestras, y fue precisa en el 93%.
Todos los tumores desprenden fragmentos de ADN a la sangre y esto contribuye a lo que se conoce como ADN libre de células (cfDNA). Sin embargo, como el cfDNA también puede provenir de otros tipos de células, en ocasiones es complicado determinar si el cfDNA proviene de los tumores.
Ahora, es posible resolver este problema gracias a este nuevo tipo de sangre, que analiza cambios químicos en el ADN llamados «metilación» que generalmente controlan la expresión génica. Los patrones de metilación anómalos, y los cambios resultantes en la expresión génica, pueden contribuir al crecimiento tumoral, por lo que estas señales en el ADNc tienen el potencial de detectar y localizar el cáncer.
El análisis de sangre se dirige a aproximadamente un millón de los 30 millones de «zonas» de metilación en el genoma humano. Los investigadores han empelado un algoritmo de aprendizaje automático para predecir la presencia de cáncer y el tipo de tumor en función de los patrones de metilación en el ADNc desprendido por los tumores.
El algoritmo había sido diseñado usando una base de datos de metilación de señales cancerosas y no cancerosas en cfDNA. Se cree que la base de datos es la más grande del mundo y es propiedad de la compañía involucrada en esta investigación, GRAIL Inc.
«Nuestras investigaciones previas mostraron que el enfoque de metilación superó tanto el genoma completo como la secuenciación dirigida en la detección de diferentes tipos de cáncer mortal en todas las etapas clínicas y, también, en la identificación del tejido de origen. Asimismo nos permitió identificar las regiones del genoma que aportan más información, que ahora han servido para el test de metilación refinado de este informe», señala el autor principal del artículo, Michael Seiden, presidente de US Oncology (EE. UU.).
Los investigadores analizaron muestras de sangre de 6.689 participantes con cáncer no tratado previamente (2.482 pacientes) y sin cáncer (4.207 pacientes) de América del Norte, que se dividieron en un dos grupos: preparación y validación. De estos, los resultados de 4.316 participantes estaban disponibles para el análisis: 3.052 en el grupo de preparación (1.531 con cáncer y 1.521 sin cáncer) y 1.264 en el de validación (654 con cáncer y 610 sin cáncer). En total se incluyeron más de 50 tipos de cáncer.
El algoritmo de aprendizaje automático analizó muestras de sangre de los participantes para identificar cambios de metilación y clasificar las muestras como cancerosas o no cancerosas, y localizar el tejido de origen.
El sistema demostró ser válido, tanto en el grupo de preparación como en el de validación, con una tasa de falsos positivos del 0,7% en el conjunto de validación.
Además, su capacidad para identificar correctamente cuándo estaba presente el cáncer (la tasa positiva) también quedó demostrado en ambos grupos. Así, en 12 tipos de cáncer que a menudo son los más mortales (anal, vesícula, intestinal, esofágico, estomacal, cabeza y cuello, hígado y vías biliares, cáncer de pulmón, ovario y páncreas, linfoma y cáncer de glóbulos blancos, como el mieloma múltiple ), la tasa positiva fue del 67,3% en los estadios clínicos I, II y III. Estos 12 tumores representan aproximadamente el 63% de las muertes por cáncer cada año en EE. UU. Y, en la actualidad, no hay manera de detectarlos antes de que aparezcan los síntomas. La tasa positiva fue del 43,9% para todos los tipos de cáncer en el estudio en las tres etapas clínicas.
Los investigadores explican asimismo que la detección mejoró con cada etapa de cáncer. Es decir, en los 12 cánceres especificados previamente, la tasa positiva verdadera fue del 39% en la etapa I, del 69% en la II, del 83% en la III y del 92% en la IV. En los más de 50 tipos de cáncer, las tasas correspondientes fueron 18%, 43%, 81% y 93%, respectivamente.
En cuanto al origen del tumor, el análisis demostró una precisión del 93% en el conjunto de validación.
Los investigadores continúan validando la prueba en tres grandes estudios prospectivos en EE. UU. (Estudios STRIVE y PATHFINDER) y Reino Unido (estudio SUMMIT), y para examinar su viabilidad para el cribado de poblaciones.
El editor en jefe de Annals of Oncology, Fabrice André, director de investigación del Institute Gustave Roussy, Villejuif (Francia,), cometa: «Se trata de un estudio histórico y un primer paso hacia el desarrollo de herramientas de detección fáciles de realizar. La detección temprana de más del 50% de los cánceres -subraya- podría salvar millones de vidas cada año en todo el mundo y reducir drásticamente la morbilidad inducida por los tratamientos agresivos».
Y concluye que, aunque las cifras son pequeñas, «el rendimiento de esta nueva tecnología es particularmente atractiva en el cáncer de páncreas, para el cual las tasas de mortalidad son muy altas porque generalmente se diagnostica cuando está en una etapa avanzada».
