Marcadores tumorales
Visión general
Los marcadores tumorales son sustancias liberadas por las células tumorales, que entran al torrente sanguíneo u otros fluidos biológicos y son útiles para el diagnóstico, pronóstico y monitorización del tratamiento en diferentes tipos de cáncer.
La mayoría de los marcadores tumorales no son específicos de ningún tipo de cáncer y las diferencias entre las enfermedades benignas y malignas son cuantitativas (por ejemplo, los pacientes con tumores epiteliales tienden a tener niveles significativamente más altos de estos marcadores tumorales que los pacientes sin malignidad).
En la actualidad, existen más de 20 parámetros bien conocidos que son ampliamente considerados como marcadores de tumores, como el PSA ―relacionado con el cáncer de próstata―, el CA 15.3 ―relacionado con el cáncer de mama―, el CA 125 y la HE4 ―ambos relacionados con cáncer de ovario―, el CEA y el CA 19.9 ―ambos relacionados con diferentes tipos de cáncer gastrointestinal (cáncer colorrectal, gástrico y pancreático)―, o la NSE y la ProGRP ―ambas relacionados con el cáncer de pulmón―.
Sin embargo, hay una variedad de factores que pueden afectar la exactitud de los marcadores tumorales ya que hacen aumentar sus niveles sin presencia de malignidad. La razón principal son las enfermedades benignas, aunque también pueden afectar diferentes interferencias técnicas.
En este sentido, la Sociedad Española de Bioquímica Clínica y Patología Molecular, Comisión de Biomarcadores del Cáncer, estableció los Criterios Barcelona, 4 criterios que buscan ayudar a distinguir y valorar correctamente los resultados de los marcadores tumorales y reducir el número de Falsos Positivos (FP):
- Evaluación de las concentraciones séricas de los marcadores tumorales.
- Descarte de patologías benignas como principal fuente de falsos positivos.
- Recomendación de seguimiento si los marcadores tumorales arrojan resultados moderados (Zona Gris/Indeterminado).
- Eliminación de interferencias técnicas.
Pulse aquí para descargar la presentación en formato PDF.
Mediciones estadísticas en pruebas de diagnóstico
Desafortunadamente, el uso de marcadores tumorales en la rutina presenta también otros problemas, tales como baja sensibilidad en etapas tempranas o inexistencia de un marcador tumoral específico para cada tumor maligno. Sin embargo, la combinación de 2 o más marcadores tumorales arroja mejores resultados, especialmente en etapas avanzadas.
En este sentido, la combinación de varios marcadores tumorales ―así como la inclusión de información de la historia clínica del paciente en los cálculos―, utilizando algoritmos complejos con múltiples variables, da como resultado una mayor sensibilidad y especificidad: eso es lo que hemos bautizado como MBDAA (del inglés, Multiple Biomarkers Disease Activity Algorithms).
La sensibilidad de un test de diagnóstico es el porcentaje de positivos reales que se identifican correctamente, y la especificidad es la proporción de negativos verdaderos que se clasifican correctamente. Ambas variables están estrechamente unidas entre sí y dan una idea de la exactitud de dicho test.
Un test que identifique correctamente todos los verdaderos positivos como positivos, pero que tenga muchos falsos negativos tendría una sensibilidad del 100%, pero una baja especificidad. Por ejemplo, la sensibilidad mide el número de tumores malignos que se identifican correctamente como cáncer, mientras que la especificidad mide el número de tumores no malignos que se identifican correctamente como benignos. Una alta sensibilidad significa menos cánceres diagnosticados como benignos y una alta especificidad significa menos tumores benignos diagnosticados como malignos.
Además, el valor predictivo positivo (VPP) es el número de verdaderos positivos correctamente identificados sobre el total de positivos reales. Una prueba con muchos falsos positivos tendrá un VPP bajo. Por otra parte, el valor predictivo negativo (VPN) es el número de negativos verdaderos correctamente identificados sobre el total de negativos reales. Un alto valor VPN significa que muy pocos positivos verdaderos fueron incorrectamente identificados como negativos.
Todos estos parámetros diferentes se pueden representar juntos en un gráfico que se conoce como curva ROC (del inglés, Receiving Operator Curve), donde se muestran mejores resultados con curvas que tienden a acercarse a la esquina superior izquierda de la imagen (100% de sensibilidad y 100% de especificidad).