Volver a Noticias Científicas
Investigación Científica

Detalles del Artículo

Clínicoómica para predecir la expresión de HER2 en cáncer colorrectal metastásico: un análisis de aprendizaje automático multicéntrico en datos del mundo real.

n: 293
p: = 0.0002

¿Qué significa esto para los pacientes?

AI

Este estudio analizó si cierta información clínica que se recopila habitualmente de los pacientes podría ayudar a predecir quiénes podrían tener cáncer colorrectal metastásico HER2 positivo (mCRC). HER2 es una proteína que puede ser un objetivo para tratamientos específicos en algunos pacientes con mCRC.

Los investigadores utilizaron información de muchos pacientes, incluidos los niveles de hemoglobina, los niveles de CEA, la altura y si los ganglios linfáticos estaban afectados por el cáncer. Utilizaron algoritmos informáticos (aprendizaje automático) para encontrar patrones. Descubrieron que la baja hemoglobina (menos de 12 g/dL), el CEA alto (más de 100 ng/mL), la gran altura (más de 160 cm) y la afectación de los ganglios linfáticos se relacionaron con una mayor probabilidad de tener expresión o positividad para HER2. Un modelo que utilizaba estos cuatro factores pudo predecir el estado de HER2 con una precisión razonable.

Esta investigación aún se encuentra en una etapa temprana. Sugiere que estos cuatro factores podrían ayudar a identificar a los pacientes que podrían beneficiarse de las pruebas de HER2. Sin embargo, esto aún no es una herramienta clínica estándar. Se necesita más investigación para comprender por qué estos factores están relacionados con HER2 y para confirmar si este modelo funciona de manera fiable en diferentes grupos de pacientes antes de que pueda utilizarse en la práctica clínica para guiar las decisiones de prueba. No modifica las recomendaciones de tratamiento actuales.

Este resumen es generado por IA con fines informativos. No sustituye el consejo médico profesional. Consulte siempre con su oncólogo.

HER2 se expresa en una minoría de pacientes con cáncer colorrectal metastásico (mCRC), pero ha resultado ser un objetivo terapéutico valioso para agentes innovadores como trastuzumab deruxtecan y tucatinib. Actualmente, la prueba no es obligatoria en mCRC al inicio del tratamiento y una herramienta clínica simple para identificar a los pacientes con mayor probabilidad de ser HER2 positivos sería extremadamente útil para guiar las solicitudes de pruebas y la medicina personalizada. Se aplicaron dos algoritmos de aprendizaje automático (ML) para analizar 30 variables disponibles en la práctica clínica rutinaria (clinoómicas) para predecir tanto la expresión general de HER2 (puntaje de inmunohistoquímica [IHC] 1-3) como la positividad de HER2 (puntaje IHC 3 o puntaje 2 con amplificación del gen ERBB2). Las variables identificadas como relevantes en un grupo de entrenamiento se seleccionaron para construir un modelo predictivo fácil de usar, cuya utilidad fue validada en un grupo de validación separado.

Los algoritmos de aprendizaje automático mostraron consistentemente que la hemoglobina (Hb) 100 ng/mL, altura >160 cm y la presencia de metástasis linfáticas estaban significativamente asociadas con la expresión de HER2 en el grupo de entrenamiento (n = 293). Un modelo que utilizaba estas cuatro variables tenía una área bajo la curva (AUC) del 67% (p = 0,0002). Los pacientes con la presencia de todos los factores predictivos tenían una prevalencia de expresión de HER2 del 55%, en comparación con el 15% en pacientes sin ninguno de los factores predictivos (p < 0,0001), mientras que la prevalencia de positividad de HER2 era del 36% vs. 0%, respectivamente (p < 0,0001).

Los resultados se confirmaron en el grupo de validación (n = 96): AUC 68% (p = 0,004); diferencia en la expresión y positividad de HER2 del 58% vs. 12% (p = 0,005) y 47% vs. 0% (p = 0,0002), respectivamente. Hb 100 ng/mL, altura >160 cm y la presencia de metástasis linfáticas estaban asociadas con la expresión y positividad de HER2. Se debería considerar obligatorio realizar pruebas de HER2 cuando están presentes todos estos factores. Los mecanismos que vinculan estos cuatro factores a la expresión de HER2 requieren una investigación adicional.

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: Clinicomics for Predicting HER2 Expression in Metastatic Colorectal Cancer: A Multicenter Machine Learning Analysis on Real-World Data.

Autores: Formica V, Morelli C, Rofei M, Sansone M, Vitale J, Zurlo IV, Zoratto F, Dell Apos Aquila E, Lucchetti J, Arrivi G, T...
Publicado: 2026-10-25
PMID: 41343419
Genes: HER2
Tratamientos: trastuzumab

Enlace: https://crcwarriors.org/article-detail.php?id=704 | https://pubmed.ncbi.nlm.nih.gov/41343419/

¡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