April 14th 2016
Faculty of Economic and Business Sciences | Seminar 8
Predición de cancro de pulmón a partir de biomarcadores moleculares
2016/04/14 – 10:00 h | Alberto Lema Blanco, CINBIO (Biomedical Research Centre)
Description
O cancro de pulmón preséntase como unha das neoplasias máis letais e un diagnóstico cedo é a mellor maneira para mellorar a supervivencia. Ademais, é importante para o diagnóstico a capacidade de discriminación entre individuos con alto risco de cancro de individuos sans ou con patoloxías respiratorias benignas, xa que esta enfermidade pode ser enmascarada por estas doenzas.
A través dun test sérico non invasivo (ELISA específico), estudáronse seis moléculas asociadas ao cáncer (HB-EGF, EGF, EGFR, sCD26, VEGF e Calprotectina) para definir pacientes que necesitaran máis exames clínicos inmediatos. O estudo estableceuse a partir dunha poboación non seleccionada que incluíu 72 pacientes con cancro de pulmón de diferentes tipos histolóxicos e 56 controis (individuos sans e pacientes con patoloxías benignas pulmonares). Puxéronse a punto métodos de análise por Boosted regression e Random Forest para a selección dos mellores biomarcadores candidatos. Observouse unha salientable capacidade discriminatoria para EGF, sCD26 e especialmente para a Calprotectina, obtendo un panel de marcadores cunha sensibilidade do 83% e unha especificidade do 87% cun punto de corte de 0.559. A resultante taxa de clasificación errónea alcanzou o 15%.
Finalmente, derivouse un algoritmo de clasificación a partir dunha regresión loxística e un monograma que permite xerar valores de clasificación para determinar o risco dun paciente de padecer cancro de pulmón. En conclusión, proponse un test non invasivo para identificar pacientes cun alto risco de padecer cancro fronte a unha poboación non seleccionada.
Gallery
