Evaluación comparativa de múltiples algoritmos de aprendizaje automático para la clasificación de diversos tipos de cáncer a partir del secuenciamiento de ARN de plaquetas modificadas por el tumor.

Las plaquetas “educadas por el tumor” (TEP) contienen firmas de ARN específicas del tipo de cáncer, accesibles mediante la secuenciación de ARN de sangre total, pero no se había aplicado un análisis comparativo sistemático multi-algorítmico con una cuantificación de la incertidumbre estadística al conjunto de datos GSE68086. Aplicamos un marco de trabajo integral de transcriptómica y aprendizaje automático a 280 muestras de secuenciación de ARN de plaquetas de sangre total de seis tipos de cáncer (cáncer de pulmón no microcítico, cáncer colorrectal, glioblastoma multiforme, cáncer hepatobiliar, cáncer de mama y cáncer de páncreas) y donantes sanos. Después de una canalización estandarizada de preprocesamiento y normalización, se compararon siete clasificadores supervisados (Regresión Logística, SVM (RBF), XGBoost, LightGBM, Random Forest, K-Nearest Neighbours y un Perceptrón Multicapa) utilizando una validación cruzada estratificada de 5 pliegues y un conjunto de prueba independiente. La incertidumbre estadística se cuantificó mediante intervalos de confianza de percentil bootstrap con 2.000 remuestreos.

La Regresión Logística Multinomial obtuvo la puntuación macro F1 y el AUC ROC macro promedio más altos en el conjunto de prueba (0,522 y 0,869, respectivamente), ambos sustancialmente superiores al nivel aleatorio de las siete clases (1/7 ≈ 0,14). El análisis SHAP del clasificador Random Forest identificó IFITM3 como el biomarcador TEP dominante a nivel global; los discriminadores específicos del tipo de cáncer incluyeron ATP5PD (cáncer hepatobiliar), C6orf62 (cáncer de pulmón no microcítico y cáncer de páncreas), VPS13C (donantes sanos) y TMSB4Y (cáncer de mama). El enriquecimiento de la Ontología Genética y la vía KEGG corroboró la especificidad biológica de las firmas transcriptómicas identificadas.

Estos resultados respaldan el potencial diagnóstico de la transcriptómica de TEP como una plataforma de biopsia líquida multiclasificada y proporcionan un marco de referencia metodológicamente transparente y reproducible para futuros estudios de clasificación del cáncer basados en sangre.