The application of blood serum ATR-FTIR spectroscopy for the identification of Colorectal cancer

Resumen Técnico: Aplicación de la Espectroscopía ATR-FTIR en Suero Sanguíneo para la Identificación del Cáncer Colorrectal

Planteamiento del Problema
El cáncer colorrectal (CCR) representa un desafío significativo para la salud pública mundial, posicionándose como el tercer tumor maligno más común. Si bien la detección temprana mejora drásticamente la tasa de supervivencia a 5 años (casi un 90% en etapas tempranas frente a un 13.1% en etapas avanzadas), las modalidades de diagnóstico actuales presentan limitaciones. Los métodos convencionales, como la colonoscopia y las imágenes (TC), son invasivos, requieren preparación intestinal o implican radiación ionizante. Los marcadores séricos como el antígeno carcinoembrionario (CEA) sufren de baja especificidad, y las pruebas fecales son principalmente herramientas de cribado que requieren una colonoscopia de seguimiento para su confirmación. Existe una necesidad crítica de metodologías diagnósticas novedosas, sencillas, objetivas y no invasivas para mejorar el cribado temprano y reducir la mortalidad por CCR.

Metodología
Este estudio empleó la espectroscopía de Transformada de Fourier con Reflectancia Total Atenuada (ATR-FTIR) para analizar la "huella dactilar" molecular del suero sanguíneo humano, con el objetivo de distinguir a los pacientes con CCR de los individuos sanos basándose en variaciones bioquímicas.

• Recolección de Muestras: El estudio analizó muestras de suero de 195 participantes: 97 pacientes diagnosticados con cáncer colorrectal (edad media 65.43 años) y 98 controles sanos (edad media 51.34 años). Los pacientes fueron confirmados mediante cirugía o biopsia, con criterios de exclusión que incluyeron radioterapia/quimioterapia previa y otras neoplasias primarias.
• Adquisición Espectral: Alícuotas de 10 μL de suero se secaron al aire sobre un cristal de fluoruro de bario. Los espectros se registraron utilizando un espectrómetro Bruker IFS 66v con una resolución de 4 cm⁻¹, un tamaño de punto de imagen de 100 μm × 100 μm y 128 escaneos acumulativos.
• Preprocesamiento de Datos: Los espectros se procesaron utilizando el software OPUS, involucrando la corrección de la línea base (método de banda elástica) y la normalización (método de vector). Para mejorar las bandas espectrales y reducir el ruido, se calculó la segunda derivada de los espectros.
• Análisis Estadístico y de Aprendizaje Automático:
  • Análisis de Componentes Principales (PCA): Se utilizó una técnica de aprendizaje no supervisado para reducir la dimensionalidad e identificar patrones en los datos espectrales, centrándose específicamente en los rangos de 3500–3000 cm⁻¹ y 1600–1500 cm⁻¹.
  • Modelos de Clasificación: Se entrenaron y validaron tres algoritmos de aprendizaje automático para diferenciar entre los dos grupos: k-Vecinos más Cercanos (kNN), Regresión de Procesos Gaussianos (GPR) y Máquina de Vectores de Soporte (SVM) con un núcleo lineal.
  • Validación: El conjunto de datos se dividió en un conjunto de entrenamiento (70 CRC, 70 sanos) y un conjunto de validación (27 CRC, 28 sanos). Se aplicó una validación cruzada de cinco pliegues (five-fold cross-validation) a los datos de entrenamiento. El rendimiento se evaluó mediante sensibilidad, especificidad, exactitud y el Área Bajo la Curva (AUC) del análisis de la Característica de Operación del Receptor (ROC).

Resultos Clave

• Diferencias Espectrales: Se observaron variaciones significativas entre los pacientes con CCR y los controles sanos en regiones específicas de número de onda.
  • 3500–3000 cm⁻¹: Las muestras de CCR mostraron un desplazamiento hacia longitudes de onda más cortas y una disminución de la absorbancia, lo que indica cambios en el estiramiento de los enlaces O-H y N-H (asociados con proteínas y agua).
  • 1600–1500 cm⁻¹ (Amida II) y 1700–1600 cm⁻¹ (Amida I): Se observó un "desplazamiento azul" (mayor frecuencia) y una disminución de la absorbancia en pacientes con CCR, lo que sugiere alteraciones en la estructura secundaria y la conformación de las proteínas.
  • 2990–2950 cm⁻¹: La reducción de la absorbancia indicó una disminución relativa en las concentraciones de lípidos (estiramiento antisimétrico de CH₂ y CH₃).
  • 1420–1380 cm⁻¹: La disminución de la absorbancia se vinculó potencialmente con cambios en el pH sérico o en los estados de ionización.
• Hallazgos de PCA: El gráfico de puntuación de PCA (visualizado en el espacio PC2-PC3) segregó eficazmente los dos grupos, con los donantes sanos agrupándose en las regiones negativas de PC2/PC3 y los pacientes con CCR en las regiones positivas. Esto confirmó que las diferencias espectrales en la conformación de proteínas y ácidos nucleicos son los principales discriminadores.
• Desempeño Diagnóstico: El modelo de Máquina de Vectores de Soporte (SVM) demostró la capacidad diagnóstica superior entre los algoritmos probados.
  • Sensibilidad: 88.9%
  • Especificidad: 92.9%
  • Exactitud: 90.9%
  • AUC: 0.911
  • En comparación, los modelos kNN y GPR mostraron métricas de desempeño ligeramente inferiores (Exactitud de 85.5% y 87.3%, respectivamente).

Significancia y Reivindicaciones
Los autores afirman que este estudio demuestra el potencial de la espectroscopía ATR-FTIR basada en suero como una herramienta diagnóstica sencilla, mínimamente invasiva y fiable para el cáncer colorrectal. Al identificar biomarcadores espectrales específicos relacionados con la conformación de proteínas, ácidos nucleicos y contenido lipídico, el método ofrece un enfoque novedoso para distinguir el CCR del estado sano sin la invasividad de la colonoscopia.

El estudio enfatiza que la integración de ATR-FTIR con el análisis multivariante (específicamente PCA y SVM) proporciona una base teórica para futuras investigaciones exhaustivas. Sin embargo, los autores mantienen una postura modesta respecto al alcance actual, reconociendo que los hallazgos se basan en una cohorte específica y que el tamaño de la muestra es limitado. Afirman que, si bien la prueba de concepto es prometedora, el trabajo futuro debe involucrar cohortes más grandes, ensayos clínicos prospectivos y análisis bioinformáticos más profundos para refinar las firmas diagnósticas y validar la utilidad de la tecnología a través de diferentes etapas patológicas y factores de confusión.