Detección temprana del cáncer colorrectal (ENCODE)

La creciente incidencia del cáncer colorrectal de aparición temprana (EOCRC) es un problema clínico apremiante exclusivo de nuestros tiempos, y se espera que crezca con un aumento adicional previsto del 90% en la incidencia para finales de la década. Los desafíos persisten incluso después de reducir la edad de detección del CCR a 45 años: los menores de 45 años carecen de pruebas de detección de rutina y el cumplimiento en el grupo de edad de 45 a 50 años sigue siendo bajo, en parte debido a la invasividad y la incomodidad de los métodos de detección estándar. Se justifica tomar medidas urgentes para desarrollar exámenes de detección asequibles, sensibles y factibles para una detección oportuna y una mejor participación. Una prueba de detección no invasiva y fácil de usar para el paciente, como un análisis en sangre, podría abordar estas preocupaciones epidemiológicas y también atraer a poblaciones desatendidas.

Este estudio implica el desarrollo y validación de una biopsia líquida, que evalúa los microARN exosomales y libres de células circulantes (cf-miARN y exo-miARN, respectivamente) para el muestreo indirecto de tejido tumoral en el torrente sanguíneo. Los investigadores pretenden aprovechar el aprendizaje automático y la bioinformática para crear un panel integrado (con cf-miRNA y exo-miRNA) para mejorar la sensibilidad inherentemente alta de los cf-miRNA con la especificidad distintiva de los exo-miRNA. Este enfoque combinado no sólo mejorará el rendimiento de un modelo de diagnóstico sino que también aprovechará los diversos aspectos de la biología tumoral del EOCRC.

El objetivo principal del estudio es desarrollar biomarcadores rentables, no invasivos y aptos para la clínica con alta sensibilidad y especificidad, que ayuden a la detección del EOCRC.

Los investigadores pretenden hacerlo en tres fases:

1. Realizar una secuencia de ARN pequeña e integral a partir de miARN cf, exo-miARN, miARN derivado de cáncer y miARN derivado de mucosas compatibles.
2. Desarrollar y entrenar dos paneles de detección de miARN (cf-miARN y exo-miARN, respectivamente) basados ​​en modelos avanzados de aprendizaje automático y, luego, combinarlos utilizando varios modelos de aprendizaje automático para obtener un biomarcador de detección final.
3. Validar los hallazgos en una cohorte independiente de EOCRC y controles.

En resumen, esta propuesta promete mejorar la atención y el cumplimiento del paciente y, en última instancia, reducir la mortalidad por EOCRC.