Volver a Noticias Científicas
Investigación Científica

Detalles del Artículo

Una firma transcriptómica basada en aprendizaje automático para predecir el recidiva tumoral después de una resección curativa en cáncer colorrectal T1: un estudio de cohorte retrospectivo multicéntrico (El ensayo Tw1CE).

Retrospectivo
Pacientes: 138

¿Qué significa esto para los pacientes?

AI

Inicia sesión o regístrate para generar explicaciones con IA

El cáncer colorrectal de tipo T1 (T1 CRC) se trata cada vez más con una resección endoscópica con intención curativa, pero la recurrencia del tumor sigue siendo un factor crítico que influye en el pronóstico del paciente.

Sin embargo, no existe un biomarcador validado para predecir de manera confiable la recurrencia post-resección, lo que limita las decisiones sobre seguimiento adaptado al riesgo y terapia adyuvante. En este estudio retrospectivo multicéntrico en centros académicos de España, se inscribieron 138 pacientes con T1 CRC (2023-2025; ClinicalTrials.gov NCT06314971). A partir de especímenes endoscópicos FFPE, se cuantificó la expresión de cinco mRNAs y dos miRNAs mediante RT-qPCR, y se desarrolló un panel transcriptómico basado en XGBoost. Los pacientes fueron asignados a cohortes de entrenamiento e independientes por tipo de tratamiento.

El resultado principal fue la supervivencia libre de recurrencia (RFS) a 3 años; los resultados secundarios incluyeron RFS a 5 años y supervivencia global (OS). El panel transcriptómico demostró un alto rendimiento predictivo tanto en el entrenamiento (AUROC = 91,7%) como en la prueba (AUROC = 88,2%). Los pacientes clasificados como de alto riesgo por el panel presentaron una RFS y OS significativamente peores en comparación con los clasificados como de bajo riesgo (log-rank P < 0,001).

Además, integrar la invasión linfática con el panel transcriptómico en un modelo de estratificación del riesgo combinado mejoró aún más la precisión predictiva (AUROC = 94,6%), y el análisis curva-de-decision confirmó su superioridad clínica en comparación con los criterios convencionales.

Este estudio estableció un clasificador transcriptómico basado en aprendizaje automático validado derivado de especímenes de resección endoscópica que predice con precisión la recurrencia del tumor en pacientes con T1 CRC. Nuestros hallazgos destacan el potencial de este panel biomarcador para permitir estrategias de vigilancia adaptadas al riesgo y guiar las decisiones sobre terapia adicional después de una resección curativa.

Inicia sesión o regístrate para acceder al texto completo

Se abre en una nueva pestaña en la publicación original

Compartir y Discutir

Comentarios

¡Aún no hay comentarios. Sé el primero en comentar!

Enviar a mi oncólogo

Artículo: A machine learning-based transcriptomic signature for predicting tumor recurrence after curative resection in T1 colorectal cancer: a retrospective multicenter cohort study (The Tw1CE trial).

Autores: Noma T, Saez de Gordoa K, Daca-Alvarez M, Miyazaki K, Wada Y, Mannucci A, Onoyama T, Shimada M, Cuatrecasas M, Bujand...
Publicado: 2026-01-30
PMID: 41604539

Enlace: https://crcwarriors.org/article-detail.php?id=1219 | https://pubmed.ncbi.nlm.nih.gov/41604539/

¡Regístrate para usar esta función!

Crea una cuenta gratuita para enviar artículos científicos directamente a tu oncólogo y acceder a muchas más funcionalidades personalizadas.

Regístrate gratis