La integración de datos de ADN tumoral circulante mejora la predicción de cáncer de pulmón en pacientes con EPOC

Por qué importa a las personas con enfermedad pulmonar crónica

Las personas que viven con enfermedad pulmonar obstructiva crónica (EPOC) tienen un riesgo mucho mayor de desarrollar cáncer de pulmón, pero detectar el cáncer de forma temprana en unos pulmones ya dañados es notoriamente difícil y a menudo requiere biopsias arriesgadas. Este estudio explora si un simple análisis de sangre que captura pequeños fragmentos de ADN tumoral, combinado con algoritmos informáticos modernos, puede señalar con más precisión qué pacientes con EPOC tienen más probabilidades de padecer cáncer de pulmón—y hacerlo de una manera que algún día podría evitar procedimientos invasivos a algunos pacientes.

Buscando pistas de cáncer en el torrente sanguíneo

Cuando las células cancerosas crecen, liberan fragmentos de su ADN en la sangre, conocidos como ADN tumoral circulante. Los investigadores recogieron sangre de 236 personas con EPOC moderada, alrededor de la mitad con cáncer de pulmón y la otra mitad sin él. En lugar de buscar en todo el genoma, se centraron en 24 genes que a menudo están alterados en los tumores pulmonares. Usando un enfoque de secuenciación altamente sensible, escanearon cada muestra de sangre en busca de mutaciones indicativas y también midieron cuánto ADN mutado estaba presente y cuánto destacaba la señal sobre el ruido de fondo.

Sumando algoritmos inteligentes a los factores de riesgo tradicionales

Junto al análisis de sangre, el equipo recopiló información clínica detallada de cada participante, incluida la edad, el sexo, el historial de tabaquismo, la función pulmonar, marcadores sanguíneos de inflamación y cuestionarios sobre síntomas respiratorios. Luego introdujeron 40 datos—medidas clínicas más características genómicas y moleculares de la sangre—en nueve modelos distintos de aprendizaje automático. Estos modelos incluyeron enfoques estadísticos conocidos y métodos de reconocimiento de patrones más flexibles que pueden detectar relaciones sutiles y no lineales entre variables. El objetivo fue simple: enseñar al ordenador a distinguir a los pacientes con EPOC que tienen cáncer de pulmón de los que no lo tienen.

Qué diferenciaba a los pacientes con cáncer

Surgieron varias diferencias claras entre los dos grupos. Los pacientes con EPOC y cáncer de pulmón eran más propensos a ser fumadores empedernidos y a tener niveles más altos de proteína C reactiva, un marcador sanguíneo asociado a la inflamación crónica. Sorprendentemente, tendían a reportar menos síntomas de EPOC que los pacientes sin cáncer, probablemente reflejando diferencias en cómo y cuándo cada grupo acudió a la clínica. En el lado del ADN, el contraste fue aún más marcado: las mutaciones relacionadas con tumores en la sangre y los genes “impulsores” clásicos del cáncer de pulmón—especialmente el conocido supresor tumoral TP53—aparecieron con mucha más frecuencia en quienes tenían cáncer, y sus fragmentos de ADN tumoral mostraron un respaldo molecular más sólido en los datos de secuenciación.

Predicciones más sólidas cuando se incluyen datos de ADN

Cuando los investigadores entrenaron sus modelos usando solo la información clínica tradicional, la precisión de la predicción fue modesta. Pero al añadir las señales de ADN tumoral y las medidas moleculares relacionadas, el rendimiento mejoró de forma notable, especialmente en los modelos más flexibles y no lineales. El mejor modelo, una máquina de vectores de soporte radial, mostró mayor sensibilidad (detectando más casos verdaderos de cáncer), mejor equilibrio entre falsos positivos y falsos negativos, y un área bajo la curva mayor, una medida estándar de precisión global. Es importante destacar que los predictores más influyentes en este modelo combinado dejaron de ser únicamente el tabaquismo y la inflamación, e incluyeron también la presencia de mutaciones en el ADN tumoral, la fuerza de la señal de secuenciación y las mutaciones en TP53.

Qué podría significar esto para los pacientes

El estudio sugiere que incorporar señales de ADN tumoral obtenidas de una extracción de sangre en herramientas de predicción puede afinar la capacidad de los médicos para evaluar qué pacientes con EPOC tienen más probabilidades de albergar un cáncer de pulmón. Aunque este enfoque no es lo bastante preciso como para reemplazar las tomografías computarizadas de baja dosis ni para servir como prueba de cribado independiente, podría ayudar a interpretar hallazgos inciertos en las exploraciones, reducir biopsias invasivas innecesarias en pacientes vulnerables con pulmones frágiles y centrar un seguimiento más estrecho en quienes están en mayor riesgo. Harán falta estudios más grandes y diversos y paneles de ADN más amplios, pero el trabajo apunta hacia un futuro en el que una simple muestra de sangre, analizada por algoritmos avanzados, contribuya a guiar una evaluación del cáncer de pulmón más segura y personalizada en personas con EPOC.

Cita: Cha, S., Shin, S.H., Shin, SH. et al. Integration of circulating tumor DNA data enhances lung cancer prediction in patients with COPD. Sci Rep 16, 11806 (2026). https://doi.org/10.1038/s41598-026-41720-y

Palabras clave: EPOC, cáncer de pulmón, ADN tumoral circulante, biopsia líquida, aprendizaje automático