MADRID, 1 Mar. (EUROPA PRESS) -
Investigadores de la Universidad Rey Juan Carlos (URJC) y la University College de Londres (Reino Unido) han propuesto un modelo estadístico y un algoritmo computacional que permitiría reducir la proporción de falsos negativos y adelantar el momento del diagnóstico del cáncer de ovario.
La investigación, detallada en la revista 'Biomedical Signal Processing and Control', se basa en un modelo estadístico bayesiano y un algoritmo computacional que permite detectar puntos de cambio en la evolución temporal de múltiples marcadores tumorales y evaluar su coherencia.
En concreto abarca hasta seis marcadores (la proteína CA 125, la proteína 4 del epídidimo humano o HE4, la glicodelina, la metaloproteinasa 7, el fragmento 19 de citoqueratina y la mesotelina) y ha empleado datos clínicos de un grupo de 44 mujeres diagnosticadas con cáncer de ovario y 179 mujeres sanas, todas ellas con edades comprendidas entre los 50 y los 80 años.
Los resultados del estudio muestran una disminución del 11% al 2% en el número de falsos negativos cuando se consideran dos marcadores conjuntamente, en particular, CA 125 y HE4, en lugar de solo CA 125 (el marcador empleado habitualmente), resultando tres de los otros marcadores de utilidad muy limitada para el diagnóstico de esta enfermedad.
"No obstante, es necesario analizar grupos de pacientes más amplios para poder confirmar el alcance de estos prometedores resultados", ha señalado Inés Pérez Mariño, una de las autoras del estudio.
El cáncer de ovario es la quinta causa de muerte entre las mujeres, con más de 140.000 fallecimientos al año en todo el mundo, ya que el diagnóstico a menudo ocurre en estadios avanzados de la enfermedad. El estudio enfatiza la necesidad del diagnóstico precoz para incrementar tanto la esperanza como la calidad de vida de las pacientes.
