Predicting Prognosis of Locoregionally Advanced Nasopharyngeal Carcinoma Using Machine Learning Models Based on Plasma Proteomics : A retrospectively registered Study

Resumen Técnico: Predicción del pronóstico del carcinoma nasofaríngeo locorregionalmente avanzado mediante modelos de aprendizaje automático basados en la proteómica de plasma

Planteamiento del problema
Los pacientes con carcinoma nasofaríngeo locorregionalmente avanzado (LA-NPC, estadios III-IVA) presentan una heterogeneidad significativa en las respuestas a corto plazo al tratamiento estándar de quimioterapia de inducción seguida de quimiorradioterapia concomitante. El actual sistema de estadificación AJCC de la 8.ª edición, que se basa en la extensión anatómica, no logra capturar plenamente el comportamiento biológico del tumor. Los marcadores pronósticos existentes, como el ADN del virus de Epstein-Barr (VEB), presentan limitaciones en áreas no endémicas, en pacientes en estadios tempranos y en la predicción de la eficacia del tratamiento combinado. Además, estudios proteómicos previos se han centrado únicamente en la sensibilidad a la radioterapia o han utilizado muestras de suero con tecnologías de espectrometría de masas menos específicas (SELDI-TOF-MS), careciendo de un modelo diseñado específicamente para la eficacia a corto plazo de pacientes con LA-NPC sometidos a quimiorradioterapia combinada mediante proteómica de plasma.

Metodología
Este estudio retrospectivo incluyó a 107 pacientes con diagnóstico reciente de LA-NPC en el Hospital de Cáncer de Hunan (octubre de 2023 – junio de 2025), divididos en una cohorte de descubrimiento (n=6) y una cohorte de validación (n=101).

• Recolección de muestras: Se recolectó plasma de sangre periférica en tres momentos temporales: pretratamiento, postquimioterapia de inducción y postradioterapia.
• Análisis proteómico: Se realizó la adquisición dependiente de datos (DIA) mediante espectrometría de masas en la cohorte de descubrimiento para identificar proteínas expresadas diferencialmente (DEP).
• Cribado mediante aprendizaje automático: Se aplicaron dos algoritmos, la regresión LASSO y el Bosque Aleatorio (Random Forest), a los datos proteómicos para cribar las DEP clave asociadas con la respuesta al tratamiento (Respuesta Completa [CR] frente a Enfermedad Estable [SD]). La intersección de las proteínas seleccionadas por ambos algoritmos sirvió como biomarcadores candidatos.
• Validación: Las proteínas candidatas se validaron mediante el ensayo inmunoabsorbente ligado a enzimas (ELISA) en la cohorte de validación.
• Análisis estadístico: El rendimiento predictivo se evaluó mediante curvas ROC, regresión logística ordinal multivariante, análisis de supervivencia de Kaplan-Meier y regresión de Cox multivariante. Los factores clínicos incluyeron edad, sexo, estadio T/N y estadio clínico.

Contribuciones clave

1. Descubrimiento de nuevos biomarcadores: El estudio identificó BAK1 (antagonista de BCL-2/killer 1) y GAA como DEPs clave mediante la intersección de los modelos LASSO y Random Forest.
2. Avance de la plataforma proteómica: A diferencia de estudios previos que utilizaron suero y tecnología SELDI-TOF-MS, este estudio utilizó muestras de plasma y tecnología DIA-MS/MS, ofreciendo una identificación proteica más profunda y evitando la interferencia de proteínas de alta abundancia asociadas con la coagulación.
3. Enfoque clínico específico: El modelo se dirige específicamente a la respuesta a corto plazo del régimen estándar para LA-NPC (quimioterapia de inducción + quimiorradioterapia concomitante), distinguiéndose de los modelos que predicen únicamente la sensibilidad a la radioterapia.
4. Eficiencia de proteína única: Mediante un riguroso cribado, el estudio destiló el modelo predictivo a una sola proteína (BAK1), ofreciendo una alternativa más práctica desde el punto de vista clínico que los paneles de múltiples proteínas.

Resultados

• Perfilado proteómico: Se identificaron 67 DEPs entre los grupos CR y SD en la cohorte de descubrimiento. El análisis de enriquecimiento funcional reveló que estas proteínas estaban implicadas en el procesamiento de proteínas del retículo endoplasmático, la función ribosomal y las vías de enfermedades neurodegenerativas.
• Validación de biomarcadores: La validación por ELISA confirmó que los niveles de BAK1 en plasma pretratamiento fueron significativamente mayores en pacientes que alcanzaron CR o Respuesta Parcial (PR) en comparación con aquellos con SD (P < 0.05). Por el contrario, los niveles de BAK1 postratamiento disminuyeron en los grupos CR/PR, pero aumentaron en el grupo SD. GAA no mostró diferencias significativas.
• Rendimiento predictivo: La BAK1 pretratamiento demostró una alta precisión predictiva para la respuesta a corto plazo, con un Área Bajo la Curva (AUC) de 0.902. La regresión logística ordinal multivariante confirmó a BAK1 como un factor independiente significativo asociado con la estratificación de la respuesta (P = 0.039).
• Valor pronóstico: Basándose en un valor de corte óptimo, los pacientes con una alta expresión de BAK1 pretratamiento exhibieron significativamente mejor Supervivencia Libre de Metástasis a Distancia (DMFS) y Supervivencia Libre de Progresión (PFS) (P < 0.05). BAK1 fue identificada como un factor pronóstico independiente tanto para DMFS como para PFS. No se encontró una diferencia estadísticamente significativa para la Supervivencia Global (OS) o la Supervivencia Libre de Recurrencia Locorregional (LRFS) en esta cohorte, aunque las tendencias favorecieron al grupo de alta expresión.

Significancia y alegatos
Los autores afirman que este es el primer estudio en descubrir y validar la BAK1 plasmática como un nuevo biomarcador predictivo para la eficacia a corto plazo de la quimioterapia de inducción más la quimiorradioterapia concomitante en LA-NPC. El estudio posiciona a la BAK1 como superior a los marcadores tradicionales como el ADN del VEB en términos de eficacia predictiva para el tratamiento combinado y destaca su potencial como factor pronóstico independiente para DMFS y PFS.

Los autores enfatizan que los mecanismos reguladores identificados (estrés del retículo endoplasmático y procesamiento de proteínas) difieren de los de los estudios de solo radioterapia, lo que sugiere una base biológica única para la resistencia al tratamiento combinado. Afirman que el modelo de proteína única BAK1 ofrece una herramienta más simple, eficiente y clínicamente práctica para la evaluación temprana del riesgo y la formulación de estrategias de tratamiento individualizadas (por ejemplo, desescalada o intensificación de la terapia) para pacientes con LA-NPC.

El artículo reconoce limitaciones, incluyendo el diseño de un solo centro, el tamaño de muestra relativamente pequeño de la cohorte de validación y la necesidad de una mayor exploración mecánica mediante modelos celulares y animales. En consecuencia, los autores mantienen un tono modesto respecto al despliegue clínico inmediato, haciendo un llamado a la validación en centros múltiples con muestras grandes para confirmar el valor pronóstico independiente de la BAK1.