ESTADOS UNIDOS.- Investigadores han desarrollado el primer análisis de sangre que puede detectar con precisión más de 50 tipos de cáncer e identificar en qué tejido se originó el cáncer antes de que haya signos o síntomas clínicos de la enfermedad.
En un artículo publicado el pasado 31 de marzo en la revista líder de cáncer “Annals of Oncology”, los investigadores mostraron que la prueba tiene una tasa de falsos positivos del 0.7 por ciento, lo que significa que menos del 1 por ciento de las personas serían identificadas erróneamente con cáncer.
La prueba fue capaz de predecir el tejido en el que se originó el cáncer en el 96 por ciento de las muestras y fue precisa en el 93 por ciento.
Los patrones de metilación anormales 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 sitios de metilación en el genoma humano. Se utilizó un clasificador de aprendizaje automático (un algoritmo) para predecir la presencia de cáncer y el tipo de cáncer en función de los patrones de metilación en el ADNc desprendido por los tumores.
El clasificador fue entrenado 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 con sede en California que participa en esta investigación, GRAIL Inc.
El autor principal del artículo y presidente de Oncología de EEUU, Dr. Michael Seiden, dijo: “Nuestra investigación anterior mostró que el enfoque de metilación superó tanto el genoma completo como la secuenciación dirigida en la detección de múltiples tipos de cáncer mortal en todas las etapas clínicas, y en la identificación del tejido de origen. También nos permitió identificar las regiones más informativas del genoma, que ahora son el objetivo de la prueba de metilación refinada que se informa en este documento”.
Con información de Good News Network
