Marcadors tumorals

Visió general

Els marcadors tumorals són substàncies alliberades per les cèl·lules tumorals, que entren al torrent sanguini o altres fluids biològics i són útils per al diagnòstic, pronòstic i monitorització del tractament en diferents tipus de càncer.

La majoria dels marcadors tumorals no són específics de cap tipus de càncer i les diferències entre les malalties benignes i malignes són quantitatives (per exemple, els pacients amb tumors epitelials tendeixen a tenir nivells significativament més alts d’aquests marcadors tumorals que els pacients sense malignitat).

En l’actualitat, existeixen més de 20 paràmetres ben coneguts que són àmpliament considerats com a marcadors de tumors, com el PSA ―relacionat amb el càncer de pròstata―, el CA 15.3 ―relacionat amb el càncer de mama―, el CA 125 i la HE4 ―tots dos relacionats amb càncer de ovari―, el CEA i el CA 19.9 ―ambdós relacionats amb diferents tipus de càncer gastrointestinal (càncer colorectal, gàstric i pancreàtic)―, o la NSE i la ProGRP ―ambdues relacionats amb el càncer de pulmó―.

No obstant això, hi ha una varietat de factors que poden afectar l’exactitud dels marcadors tumorals ja que fan augmentar els seus nivells sense presència de malignitat. La raó principal són les malalties benignes, encara que també poden afectar diferents interferències tècniques.

En aquest sentit, la Societat Espanyola de Bioquímica Clínica i Patologia Molecular, Comissió de Biomarcadors del Càncer, va establir els Criteris Barcelona , 4 criteris que busquen ajudar a distingir i valorar correctament els resultats dels marcadors tumorals i reduir el nombre de Falsos Positius (FP):

  1. Avaluació de les concentracions sèriques dels marcadors tumorals.
  2. Descartar patologies benignes com a principal font de falsos positius.
  3. Recomanació de seguiment si els marcadors tumorals llancen resultats moderats (Zona Gris/Indeterminat).
  4. Eliminació d’interferències tècniques.

 

Premi aquí per descarregar la presentació en format PDF.

 

Mesures estadístiques en proves de diagnòstic

Desafortunadament, l’ús de marcadors tumorals en la rutina presenta també altres problemes, com ara baixa sensibilitat en etapes primerenques o inexistència d’un marcador tumoral específic per a cada tumor maligne. No obstant això, la combinació de 2 o més marcadors tumorals llança millors resultats, especialment en etapes avançades.

En aquest sentit, la combinació de diversos marcadors tumorals ―així com la inclusió d’informació de la història clínica del pacient en els càlculs―, utilitzant algoritmes complexos amb múltiples variables, dóna com a resultat una major sensibilitat i especificitat: això és el que hem batejat com MBDAA (de l’anglès, Multiple Biomarkers Disease Activity Algorithms).

La sensibilitat d’un test de diagnòstic és el percentatge de positius reals que s’identifiquen correctament, i l’especificitat és la proporció de negatius veritables que es classifiquen correctament. Les dues variables estan estretament unides entre si i donen una idea de l’exactitud d’aquest test.

Un test que identifiqui correctament tots els veritables positius com positius, però que tingui molts falsos negatius tindria una sensibilitat del 100%, però una baixa especificitat. Per exemple, la sensibilitat mesura el nombre de tumors malignes que s’identifiquen correctament com càncer, mentre que l’especificitat mesura el nombre de tumors no malignes que s’identifiquen correctament com benignes. Una alta sensibilitat significa menys càncers diagnosticats com benignes i una alta especificitat significa menys tumors benignes diagnosticats com malignes.

A més, el valor predictiu positiu (VPP) és el nombre de veritables positius correctament identificats sobre el total de positius reals. Una prova amb molts falsos positius tindrà un VPP baix. D’altra banda, el valor predictiu negatiu (VPN) és el nombre de negatius veritables correctament identificats sobre el total de negatius reals. Un alt valor VPN vol dir que molt pocs positius veritables van ser incorrectament identificats com negatius.

Tots aquests paràmetres diferents es poden representar junts en un gràfic que es coneix com a corba ROC (de l’anglès, Receiving Operator Curve), on es mostren millors resultats amb corbes que tendeixen a acostar-se a la cantonada superior esquerra de la imatge (100% de sensibilitat i 100% d’especificitat).