Marcatori tumorali

Panoramica

I marcatori tumorali sono sostanze rilasciate dalle cellule tumorali, che entrano nel flusso sanguigno o in altri fluidi biologici e sono utili per la diagnosi, la prognosi e il monitoraggio del trattamento in diversi tipi di cancro.

La maggior parte marcatori tumorali non sono specifici per ogni tipo di cancro e le differenze tra malattie benigne e maligne sono quantitativo (ad esempio, pazienti con tumori epiteliali tendono ad avere livelli significativamente più elevati di questi marcatori tumorali pazienti senza malignità).

Attualmente, ci sono più di 20 parametri ben noti che sono ampiamente considerati come marcatori tumorali, come PSA ―related to prostate cancer―, CA 15.3 ―related to breast cancer―, CA 125 e HE4 ―sia di ovario― correlate cancro, CEA e CA 19,9 ―sia relative a diversi tipi di cancro gastrointestinale (colon-rettò, del pancreas e dello stomaco)―, o NSE e ProGRP ―sia relativo al cancro ai polmoni―.

Tuttavia, ci sono una varietà di fattori che possono influenzare l’accuratezza dei marcatori tumorali in quanto aumentano i loro livelli senza la presenza di malignità. Il motivo principale sono le malattie benigne, sebbene possano anche influire su diverse interferenze tecniche.

A questo proposito, la Società Spagnola di Biochimica Clinica e Patologia Molecolare, Commissione di Biomarcatori Tumorali, stabiliti i Criteri di Barcellona, 4 criteri in cerca di aiuto distinguere e valutare correttamente i risultati di marcatori tumorali e ridurre il numero di falsi positivi (FP ):

  1. Valutazione delle concentrazioni sieriche dei marcatori tumorali.
  2. Scarto di patologie benigne come principale fonte di falsi positivi.
  3. Raccomandazione di follow-up se i marcatori tumorali mostrano risultati moderati (Zona grigia/Indeterminato).
  4. Eliminazione di interferenze tecniche.

 

Clicca qui per scaricare la presentazione in formato PDF.

 

Misure statistiche nei test diagnostici

Sfortunatamente, l’uso di marcatori tumorali nella routine presenta anche altri problemi, come la bassa sensibilità nelle prime fasi o l’assenza di un marker tumorale specifico per ciascun tumore maligno. Tuttavia, la combinazione di 2 o più marcatori tumorali produce risultati migliori, specialmente negli stadi avanzati.

A questo proposito, la combinazione di diversi marcatori tumorali ―come nonché l’inclusione di informazioni dal record del paziente nei calcoli―, utilizzano algoritmi complessi con più variabili, con conseguente aumento della sensibilità e specificità: questo è quello che abbiamo battezzato come MBDAA (dall’inglese, Multiple Biomarkers Disease Activity Algorithms).

La sensibilità di un test diagnostico è la percentuale di positivi reali che sono correttamente identificati e la specificità è la proporzione di veri negativi che sono classificati correttamente. Entrambe le variabili sono strettamente collegate tra loro e danno un’idea della precisione di tale test.

Un test che identifica correttamente tutti i veri positivi come positivi, ma che ha molti falsi negativi con una sensibilità del 100%, ma una bassa specificità. Ad esempio, la sensibilità misura il numero di tumori maligni che sono correttamente identificati come tumori, mentre la specificità misura il numero di tumori non maligni che sono correttamente identificati come benigni. Un’alta sensibilità significa meno tumori diagnosticati come benigni e un’alta specificità significa meno tumori benigni diagnosticati come maligni.

Inoltre, il valore predittivo positivo (PPV) è il numero di veri positivi identificati correttamente sul totale dei positivi positivi. Un test con molti falsi positivi avrà un PPV basso. D’altra parte, il valore predittivo negativo (NPV) è il numero di veri negativi identificati correttamente sul totale dei negativi reali. Un alto valore VPN significa che pochissimi veri positivi sono stati erroneamente identificati come negativi.

Tutti questi diversi parametri possono essere visualizzati insieme su un grafico noto come curva ROC (dall’inglese, Receiving Operator Curve), dove i migliori risultati sono mostrati con le curve tendono ad avvicinarsi l’angolo superiore sinistro dell’immagine (sensibilità 100% e specificità al 100%).