Este estudio presenta un flujo de trabajo ambispectivo multicéntrico para medir el antígeno carcinoembrionario sérico, el antígeno del carcinoma de células escamosas y el antígeno carbohidrato 125, y para validar su valor diagnóstico y pronóstico combinado en el carcinoma de células escamosas del esófago.
Artículo de investigación
Un panel combinado de biomarcadores séricos para la evaluación diagnóstica y pronóstica en el carcinoma espinocelular de esófago
* These authors contributed equally
En este artículo
Resumen
Resumen
El carcinoma de células escamosas del esófago sigue siendo difícil de diagnosticar en etapas tempranas y de estratificar con precisión antes del tratamiento. La estadificación convencional por tumor-nódulo-metástasis proporciona información anatómica esencial, pero no refleja completamente la heterogeneidad biológica circulante. Este estudio observacional ambispectivo realizado en dos centros desarrolló y validó externamente un panel combinado de biomarcadores séricos que incluye antígeno carcinoembrionario, antígeno de carcinoma de células escamosas y antígeno carbohidrato 125 para la discriminación diagnóstica y la evaluación del riesgo pronóstico en el carcinoma de células escamosas del esófago. Se reclutó un total de 277 participantes procedentes de un hospital terciario y un centro comunitario de atención sanitaria, incluyendo 167 pacientes con carcinoma de células escamosas del esófago, 55 pacientes con enfermedad esofágica benigna y 55 controles sanos. La cohorte del hospital terciario se utilizó para el desarrollo del modelo y su validación interna, mientras que la cohorte del centro comunitario se empleó para la validación externa. Los biomarcadores séricos previos al tratamiento se midieron antes del tratamiento inicial, se transformaron logarítmicamente, se estandarizaron utilizando los parámetros de la cohorte de entrenamiento y se introdujeron en modelos de regresión logística diagnóstica y de riesgos proporcionales de Cox pronósticos. El panel combinado mostró una mayor capacidad de discriminación diagnóstica que cualquier marcador individual, con un área bajo la curva ROC de 0,869 en la cohorte de entrenamiento y de 0,842 en la cohorte de validación externa. Una mayor carga combinada de biomarcadores se asoció con una longitud tumoral de al menos 5 cm, enfermedad pT3–4, metástasis ganglionar y estadio III–IV según la clasificación tumor-nódulo-metástasis. En el análisis de supervivencia, una alta carga combinada de biomarcadores predijo de forma independiente una peor supervivencia global y una menor supervivencia libre de progresión tras el ajuste por factores clínico-patológicos principales. El modelo pronóstico integrado, que combina la carga de biomarcadores con variables clínico-patológicas, superó al estadio tumor-nódulo-metástasis por sí solo, con un índice C de 0,792 en la cohorte de entrenamiento y de 0,761 en la cohorte de validación externa. Estos hallazgos respaldan el uso del panel sérico de antígeno carcinoembrionario, antígeno de carcinoma de células escamosas y antígeno carbohidrato 125 como complemento práctico y no invasivo para la evaluación previa al tratamiento y la estratificación individualizada del riesgo en el carcinoma de células escamosas del esófago.
Introducción
El carcinoma de células escamosas del esófago es un subtipo histológico importante del cáncer de esófago y sigue siendo una carga clínica considerable en Asia Oriental, particularmente en China1. Aunque el diagnóstico endoscópico, la evaluación por imágenes, la cirugía, la quimiorradioterapia y el tratamiento sistémico han mejorado el manejo clínico, el pronóstico sigue siendo insatisfactorio para muchos pacientes2. Una razón importante es que la enfermedad se detecta frecuentemente después de que ya ha ocurrido invasión local o diseminación ganglionar3. Otra razón es que los pacientes con el mismo estadio de tumor-nódulo-metástasis pueden diferir aún en la respuesta al tratamiento, el riesgo de recurrencia y el resultado de supervivencia4. Estas diferencias indican que la estadificación anatómica por sí sola no puede describir completamente la variabilidad biológica del carcinoma de células escamosas del esófago.
La evaluación clínica actual depende principalmente de la endoscopia con biopsia, la estadificación radiológica y la evaluación patológica postoperatoria. Estos métodos son indispensables, pero presentan limitaciones cuando se utilizan para monitoreo repetido, estimación del riesgo previo al tratamiento o cribado amplio. La endoscopia es invasiva y menos adecuada para seguimientos frecuentes, mientras que la tomografía computarizada y la ecografía endoscópica pueden pasar por alto invasiones sutiles o lesiones metastásicas pequeñas5. Los modelos pronósticos basados en imágenes y moleculares han mejorado la predicción del riesgo en el carcinoma de células escamosas del esófago, pero muchos requieren plataformas especializadas, procesamiento posterior de imágenes, secuenciación del tejido o flujos de trabajo computacionales que no están disponibles de forma rutinaria en todos los laboratorios clínicos6,7. Por lo tanto, un enfoque sanguíneo de bajo costo y repetible podría proporcionar información complementaria útil, especialmente cuando los médicos necesitan una estratificación del riesgo previa al tratamiento antes de la terapia definitiva.
Los marcadores tumorales séricos son atractivos en este contexto porque están disponibles de forma rutinaria, son mínimamente invasivos y fáciles de repetir. El antígeno carcinoembrionario refleja la carga tumoral y la diferenciación celular anormal, mientras que el antígeno de carcinoma escamoso está más estrechamente asociado con la transformación maligna del epitelio escamoso8. Se ha relacionado al antígeno hidrocarbonado 125 con la actividad inflamatoria sistémica, el compromiso seroso y la progresión de la enfermedad en varias malignidades9. Estos marcadores no representan la misma señal biológica. Por el contrario, podrían captar dimensiones superpuestas pero distintas de la carga tumoral, el fenotipo escamoso, la respuesta sistémica y la interacción huésped-tumor. Por esta razón, un panel combinado podría tener un mejor desempeño que cualquier marcador individual cuando el objetivo es identificar el carcinoma de células escamosas del esófago y estimar el riesgo clínico10.
Estudios previos han evaluado marcadores tumorales séricos, indicadores inflamatorios, firmas de imágenes, perfiles moleculares y modelos pronósticos compuestos en el carcinoma de células escamosas de esófago y otros cánceres gastrointestinales relacionados11,12. Sin embargo, muchos de los modelos publicados se centran únicamente en el diagnóstico o el pronóstico, utilizan cohortes de un solo centro, carecen de validación externa independiente o proporcionan detalles limitados sobre la transformación de los marcadores, la selección de puntos de corte, la calibración y la reproducibilidad del modelo. La novedad del presente estudio radica en el desarrollo de un panel sérico práctico de tres marcadores que emplea antígeno carcinoembrionario, antígeno de carcinoma de células escamosas y antígeno carboido 125, todos medidos de forma rutinaria, para apoyar tanto la discriminación diagnóstica como la estratificación del riesgo pronóstico dentro de un único flujo de trabajo basado en dos centros. El modelo se desarrolló en una cohorte de hospital terciario y luego se evaluó sin reoptimización en una cohorte independiente de un centro comunitario, lo que permitió evaluar su estabilidad en diferentes entornos clínicos.
Este estudio desarrolló y validó un panel combinado de biomarcadores séricos basado en el antígeno carcinoembrionario, el antígeno de carcinoma de células escamosas y el antígeno carbohidrato 125. El análisis siguió dos objetivos relacionados. El primero fue evaluar si el panel combinado mejoraba la discriminación diagnóstica entre el carcinoma de células escamosas del esófago y controles no malignos en comparación con los marcadores séricos individuales. El segundo fue determinar si la carga combinada de biomarcadores antes del tratamiento aportaba información pronóstica adicional más allá de las variables convencionales clinicopatológicas y del estadio de tumor-nódulo-metástasis. Esta estructura permitió al estudio evaluar si un panel de biomarcadores séricos habitualmente disponible podría funcionar como un complemento no invasivo al diagnóstico anatomopatológico, a la evaluación por imágenes y a la estadificación anatómica en la evaluación clínica previa al tratamiento.
Protocolo
Este estudio que involucró a participantes humanos, registros clínicos y muestras de suero se llevó a cabo de acuerdo con la Declaración de Helsinki y los requisitos institucionales para la investigación con sujetos humanos13. El protocolo del estudio fue revisado y aprobado por el Hospital de Medicina China de la Provincia de Jiangsu bajo el número de aprobación CJ28J12-45. Para los datos clínicos anónimos y las muestras residuales de suero recolectadas de forma retrospectiva, se dispensó el requisito de consentimiento informado por escrito adicional, de acuerdo con las regulaciones éticas institucionales. Para las muestras recolectadas de forma prospectiva, se obtuvo el consentimiento informado por escrito antes del reclutamiento. Toda la información de los participantes y las muestras de suero se anonimizaron antes del análisis. Se utilizaron identificadores del estudio para la vinculación de datos, y no se incluyó ninguna información personalmente identificable en el conjunto de datos analítico.
Diseño del estudio y asignación de la cohorte
Este estudio observacional ambispectivo multicéntrico evaluó el valor diagnóstico y pronóstico de un panel combinado de biomarcadores séricos que incluye antígeno carcinoembrionario (CEA), antígeno de carcinoma de células escamosas (SCC-Ag) y antígeno carbohidrato 125 (CA125) en el carcinoma de células escamosas del esófago (ESCC). Los datos retrospectivos se obtuvieron de registros clínicos elegibles y muestras séricas residuales previas al tratamiento, y se utilizó un reclutamiento prospectivo para recolectar muestras séricas adicionales previas al tratamiento y completar el seguimiento dentro del mismo marco del estudio. Los participantes fueron reclutados en un hospital terciario y un centro comunitario de atención sanitaria entre enero de 2021 y diciembre de 2024, con seguimiento continuo hasta el 31 de diciembre de 2025. El centro A fue el hospital terciario y sirvió como cohorte de entrenamiento para el desarrollo del modelo, la estimación de coeficientes, la selección de puntos de corte y la validación interna. El centro B fue el centro comunitario de atención sanitaria y actuó como cohorte de validación externa. El estudio se informó de acuerdo con las directrices Transparent Reporting of a multivariable prediction model for Individual Prognosis or Diagnosis (TRIPOD)14.
Se incluyó un total de 277 participantes, de los cuales 194 procedían del Centro A y 83 del Centro B. La cohorte de entrenamiento incluyó a 114 pacientes con CECE, 40 controles con enfermedad esofágica benigna y 40 controles sanos. La cohorte de validación externa incluyó a 53 pacientes con CECE, 15 controles con enfermedad esofágica benigna y 15 controles sanos. Se utilizó una asignación por centro en lugar de una división aleatoria para reducir la fuga de información y evaluar la estabilidad del modelo en un entorno clínico independiente. El análisis diagnóstico comparó los niveles séricos de CEA, SCC-Ag y CA125 entre pacientes con CECE, pacientes con enfermedad esofágica benigna y controles sanos. El análisis pronóstico se limitó a los pacientes con CECE y evaluó si la carga combinada de biomarcadores mejoraba la estratificación de riesgo para la supervivencia global (SG) y la supervivencia libre de progresión (SLP). El diseño del estudio, el cribado de participantes, la asignación de cohortes, el flujo de trabajo de biomarcadores séricos, el desarrollo del modelo diagnóstico, la validación externa y la comparación de modelos pronósticos se resumen en Figura 1.
El flujo de participantes incluyó la selección, exclusiones, agrupación diagnóstica y asignación basada en centros. Se seleccionaron un total de 326 individuos. Se excluyeron 49 individuos, incluyendo 12 con tratamiento antitumoral antes de la toma de muestras de sangre, 8 con otra malignidad primaria, 9 con infección grave, enfermedad autoinmune o comorbilidades no controladas que podrían afectar los marcadores tumorales séricos, 11 con interferencia por hemólisis, lipemia, ictericia, volumen sérico insuficiente o intervalo prolongado de procesamiento, y 9 con datos clínicos, patológicos o de seguimiento clave faltantes. La población analítica final comprendió 277 participantes: 167 pacientes con CECE, 55 controles con enfermedad esofágica benigna y 55 controles sanos.
Razonamiento del tamaño de la muestra
El tamaño de la muestra se determinó según la disponibilidad consecutiva de participantes elegibles, muestras séricas previas al tratamiento e información de seguimiento durante el período predefinido del estudio. El modelo diagnóstico utilizó tres biomarcadores séricos continuos como predictores candidatos. En la cohorte de entrenamiento, había disponibles 114 casos de CECE y 80 controles no CECE, lo que corresponde a 38,0 casos de CECE y 26,7 controles no CECE por predictor biomarcador candidato. Esto respaldó una regresión logística de baja dimensionalidad y redujo el riesgo de sobreajuste. La cohorte de validación externa incluyó 53 casos de CECE y 30 controles no CECE, y se utilizó únicamente para validación, sin reestimación de los coeficientes. La justificación del tamaño muestral estuvo alineada con los principios actuales de modelos de predicción, que enfatizan la frecuencia del resultado, el número de parámetros predictores candidatos, el desempeño esperado del modelo y la validación independiente, en lugar de la división aleatoria de los datos15.
Reclutamiento de participantes, elegibilidad y recopilación de datos
Los participantes fueron inscritos de forma continua durante el período del estudio. En el Centro A, los pacientes con CECE fueron reclutados de los departamentos de cirugía torácica, gastroenterología y oncología. En el Centro B, los pacientes con CECE fueron identificados mediante cribado basado en la comunidad, registros de seguimiento o vías de derivación, y solo se incluyeron cuando estuviera disponible la confirmación patológica y muestras de suero previas al tratamiento. Los controles con enfermedades esofágicas benignas fueron reclutados entre individuos que se sometieron a gastroscopia por disfagia, síntomas de reflujo o sospecha de anomalías esofágicas, y que presentaron hallazgos patológicos no malignos. Los controles sanos fueron seleccionados de exámenes médicos de rutina realizados durante el mismo período y no tenían antecedentes de malignidad, infección activa, disfunción hepática o renal grave, ni evidencia por imagen o endoscopia de lesiones ocupantes de espacio en el esófago.
Se consideró elegible a pacientes con CEE si tenían un CEE primario confirmado mediante biopsia gastroscópica o patología posquirúrgica, no habían recibido tratamiento antitumoral antes de la extracción de sangre y contaban con datos clínicos basales completos, registros patológicos y muestras de suero previas al tratamiento. Se excluyeron los participantes si presentaban otra neoplasia primaria, tratamiento antitumoral previo antes de la extracción de sangre, infección aguda grave, enfermedad autoinmune activa, comorbilidades no controladas que pudieran afectar los niveles séricos de marcadores tumorales, hemólisis visible, lipemia, interferencia por ictericia, volumen insuficiente de suero, variables clínicas clave faltantes o datos de seguimiento no disponibles. El análisis pronóstico se limitó a pacientes con CEE con estadio conocido de tumor-nódulo-metástasis (TNM) y resultados medibles de supervivencia o progresión. Se mantuvieron los pacientes con un seguimiento menor a 6 meses si ocurrió muerte o progresión dentro de ese período.
Las variables basales incluyeron edad, sexo, antecedentes de tabaquismo, antecedentes de consumo de alcohol, índice de masa corporal, centro participante, grupo diagnóstico, tipo de lesión y niveles séricos de CEA, SCC-Ag y CA125. Para los pacientes con CMEE, se incluyeron variables adicionales como localización del tumor, longitud del tumor, diferenciación histológica, profundidad de invasión, estado de los ganglios linfáticos, estadio TNM, invasión linfangiovascular, modalidad de tratamiento inicial, recurrencia, progresión, estado de supervivencia y fecha de la última consulta de seguimiento. Los antecedentes de tabaquismo se definieron como fumar actualmente o haber fumado regularmente al menos 100 cigarrillos durante la vida. Los antecedentes de consumo de alcohol se definieron como ingesta de alcohol al menos una vez por semana durante más de 6 meses. La clasificación TNM se determinó según la octava edición del sistema de estadificación del Comité Estadounidense Conjunto sobre el Cáncer/Unión Internacional contra el Cáncer para el cáncer de esófago16. Las láminas histopatológicas de casos de CMEE y lesiones benignas fueron revisadas independientemente por dos patólogos senior, y cualquier desacuerdo fue resuelto por un tercer patólogo.
Dos investigadores capacitados extrajeron de forma independiente información clínica de historiales médicos electrónicos, informes de patología, sistemas de información de laboratorio, registros de tratamiento, registros de seguimiento y registros de defunción, utilizando un diccionario de datos predefinido. Las discrepancias se resolvieron mediante la verificación de los registros originales, y un tercer investigador tomó la decisión final cuando fue necesario. La ubicación del tumor se clasificó como esófago torácico superior, medio o inferior. La diferenciación histológica se clasificó como bien, moderada o pobre diferenciación. Las unidades de variables continuas se estandarizaron en ambos centros participantes antes del análisis.
Muestreo de sangre, procesamiento del suero y medición de biomarcadores
Todas las muestras de sangre se recolectaron antes del tratamiento inicial, dentro de los 7 días posteriores a la confirmación patológica y al menos 3 días antes del inicio del tratamiento. Se recolectaron muestras de sangre venosa periférica de 5–8 mL entre las 7:00 y las 9:00 de la mañana, tras ayuno nocturno, utilizando tubos con separador de suero. La recolección se posponía si el participante había recibido una transfusión sanguínea, una infusión de albúmina de gran volumen o un procedimiento invasivo en las 72 horas previas a la toma de muestra. Las muestras se dejaron coagular a temperatura ambiente durante 30 min, luego se centrifugaron a 1.500 × g durante 10 min. El suero se separó y fraccionó en 3–5 tubos etiquetados con código de barras, con 300–500 µL por alícuota. Las alícuotas se almacenaron a −80 °C hasta su análisis, y ninguna alícuota se sometió a más de un ciclo de congelación-descongelación. Se excluyeron las muestras con hemólisis visible, lipemia, interferencia por ictericia, volumen insuficiente o un intervalo entre la recolección y la congelación superior a 2 h.
Se midieron CEA, SCC-Ag y CA125 en suero mediante sistemas automatizados de inmunoensayo con quimioluminiscencia según las instrucciones de los fabricantes. Las alícuotas de suero se descongelaron a 4 °C antes del análisis, se mezclaron suavemente y se analizaron en una sola tanda siempre que fue posible. Si se requería análisis por lotes, el orden de las muestras se organizó para evitar agrupaciones sistemáticas por estado de la enfermedad, centro, estadio patológico o resultado del seguimiento. Las muestras que superaban el rango de medición analítica se diluyeron y volvieron a analizar según las instrucciones del reactivo. El personal de laboratorio estuvo cegado respecto al grupo de los participantes, estadio patológico, estado de tratamiento y resultado del seguimiento.
Los umbrales clínicos fueron 5,0 ng/mL para CEA, 1,5 ng/mL para SCC-Ag y 35 U/mL para CA125, según los estándares locales del laboratorio y los intervalos de referencia de los fabricantes. Estos umbrales se utilizaron para definir el aumento del marcador y la alta carga combinada de biomarcadores en los análisis de asociación clinicopatológica y de estratificación de supervivencia. Para la clasificación diagnóstica, los puntos de corte basados en los datos se seleccionaron únicamente en la cohorte de entrenamiento utilizando el índice de Youden y luego se aplicaron sin cambios a la cohorte de validación externa. Se realizó la calibración del instrumento y el control interno de calidad antes de las pruebas. Se incluyeron controles de alto y bajo nivel durante cada jornada de pruebas, y las pruebas continuaron solo cuando los resultados del control de calidad estuvieron dentro del rango aceptado.
Se evaluó la reproducibilidad entre ensayos y entre centros antes del análisis final del modelo utilizando alícuotas de suero puente ciegas y materiales rutinarios de control de calidad. Se analizó un conjunto puente de 30 alícuotas de suero ciegas en los dos flujos de trabajo de laboratorio. Los coeficientes de variación entre centros fueron del 4,8 % para CEA, del 5,6 % para SCC-Ag y del 5,1 % para CA125. Los coeficientes de correlación intraclase correspondientes fueron 0,94 para CEA, 0,92 para SCC-Ag y 0,93 para CA125. No se realizó ninguna recalibración específica del ensayo por centro, ya que ninguna desviación sistemática superó el rango predeterminado de control de calidad del laboratorio. Los valores finales de los biomarcadores se armonizaron mediante estandarización de unidades y estandarización estadística basada en la cohorte de entrenamiento antes de la construcción del modelo.
Definición combinada de biomarcadores y construcción del modelo
El panel combinado de biomarcadores en suero consistió en CEA, SCC-Ag y CA125. Para el análisis de asociación clinicopatológica y la estratificación de supervivencia mediante Kaplan-Meier, cada marcador se clasificó como elevado o no elevado según el umbral clínico predefinido. La alta carga combinada de biomarcadores se definió como la elevación de al menos dos de los tres marcadores. Para la modelización diagnóstica y pronóstica, los tres biomarcadores se mantuvieron como variables continuas, transformadas mediante el logaritmo natural y estandarizadas utilizando la media y la desviación estándar de la cohorte de entrenamiento. Los mismos parámetros de transformación se aplicaron a la cohorte de validación externa.
Los biomarcadores normalizados y transformados logarítmicamente se calcularon utilizando los siguientes parámetros de la cohorte de entrenamiento:
zlnCEA = (lnCEA - 1.42)/0.71
zlnSCC - Ag = (lnSCC - Ag - 0.28)/0.57
zlnCA125 = (lnCA125 - 3,05)/0,62
El panel diagnóstico combinado se construyó utilizando regresión logística multivariable en la cohorte de entrenamiento. El predictor lineal diagnóstico se calculó de la siguiente manera:
LPdiagnostic = -0.46 + 0.59 × zlnCEA + 1.05 × zlnSCC - Ag+0.42 × zlnCA125
La probabilidad individual predicha de CEE se calculó de la siguiente manera:
PESCC = 1/1+exp(-LPdiagnostic)
El punto de corte diagnóstico óptimo para el panel combinado fue 0,57, seleccionado en la cohorte de entrenamiento mediante el índice de Youden y aplicado sin cambios en la validación externa.
El puntaje del biomarcador pronóstico se construyó utilizando un modelo de riesgos proporcionales de Cox. El modelo basado únicamente en la etapa TNM se utilizó como comparador para la estadificación anatómica. El modelo de biomarcadores utilizó la carga combinada de biomarcadores. El modelo clínico-patológico incluyó la edad, la longitud del tumor, la diferenciación histológica, la etapa pT, el estado de los ganglios linfáticos y la modalidad de tratamiento inicial. El modelo integrado añadió una alta carga combinada de biomarcadores al modelo clínico-patológico. Para la supervivencia global (OS), el predictor lineal pronóstico integrado se calculó de la siguiente manera:
LPOS = 0.33 × edad ≥65 años + 0.36 × longitud del tumor ≥5 cm + 0.25 × diferenciación pobre + 0.31 × pT3
- 4 etapas + 0,66 × metástasis linfática
-0.58 × cirugía radical - basado en tratamiento
+0,81 × alta carga combinada de biomarcadores
Para el SPF, el predictor lineal pronóstico integrado se calculó de la siguiente manera:
LPPFS = 0.27 × edad ≥ 65 años + 0.31 × longitud del tumor ≥ 5 cm + 0.24 × diferenciación pobre + 0.25 × pT3
-4 etapas + 0,55 × metástasis linfática
- 0,46 × tratamiento basado en cirugía radical
+0,71 × highcombinedbiomarkerburden
Todas las variables binarias en las ecuaciones pronósticas se codificaron como 1 cuando estaban presentes y como 0 cuando estaban ausentes. Todos los coeficientes, parámetros de estandarización y puntos de corte se estimaron en la cohorte de entrenamiento y se aplicaron directamente a la cohorte de validación externa sin reoptimización.
Puntos finales diagnósticos y pronósticos
El diagnóstico patológico se utilizó como estándar de referencia diagnóstica. El punto final diagnóstico principal fue la discriminación entre CECE y controles sin CECE, incluyendo enfermedades esofágicas benignas y controles sanos. Los puntos finales diagnósticos secundarios incluyeron la discriminación entre CECE y enfermedad esofágica benigna, CECE y controles sanos, y CECE en estadio temprano y controles no malignos. Se definió CECE en estadio temprano como enfermedad en estadio I-II según la clasificación TNM. El rendimiento diagnóstico se evaluó mediante curvas de característica operativa del receptor, área bajo la curva, sensibilidad, especificidad, valor predictivo positivo, valor predictivo negativo, exactitud, puntuación F1, curvas de precisión-revocación, curvas de calibración, puntuaciones de Brier, interceptos de calibración, pendientes de calibración y análisis de curvas de decisión.
El análisis pronóstico se realizó únicamente en pacientes con CECE. El punto final pronóstico primario fue la supervivencia global (OS), definida como el intervalo desde la fecha del primer tratamiento antitumoral definitivo hasta la muerte por cualquier causa. El punto final pronóstico secundario fue la supervivencia libre de progresión (PFS), definida como el intervalo desde el primer tratamiento hasta la progresión documentada de la enfermedad, la recidiva o la muerte. En los pacientes que se sometieron a cirugía radical, se consideró un evento de PFS la recidiva local, la metástasis a distancia o la muerte relacionada con el tumor, siempre que no hubiera lesión residual después de la cirugía. En los pacientes que recibieron quimiorradioterapia definitiva o tratamiento paliativo, la progresión se determinó según hallazgos de imágenes, evaluación endoscópica y evaluación clínica.
Los datos de seguimiento se obtuvieron mediante visitas ambulatorias, registros de hospitalización, registros de seguimiento comunitario, registros de derivación y contacto telefónico. Los pacientes fueron evaluados cada 3 meses durante los primeros 2 años posteriores al tratamiento, cada 6 meses entre los años 3 y 5, y anualmente a partir de entonces. Los pacientes sin muerte, recurrencia o progresión hasta la fecha final de seguimiento fueron censurados en su último contacto confirmado. Los eventos de resultado fueron revisados independientemente por dos investigadores. Cuando las fechas de los eventos diferían entre las fuentes, se revisaron los informes de imágenes, los registros de alta, los informes endoscópicos, los documentos de derivación y los registros de defunción para determinar la fecha final del evento. La fecha límite de seguimiento fue el 31 de diciembre de 2025 para ambos centros participantes.
Análisis estadístico
El análisis estadístico se realizó utilizando R 4.3.2 y SPSS 27.0. Las variables continuas se resumieron como media ± desviación estándar o mediana (rango intercuartílico), según la distribución. Las variables categóricas se resumieron como frecuencias y porcentajes. Las comparaciones entre grupos se realizaron mediante la prueba t para muestras independientes, la prueba U de Mann-Whitney, el análisis de varianza de un factor, la prueba de Kruskal-Wallis, la prueba de chi-cuadrado o la prueba exacta de Fisher, según correspondiera. Los datos faltantes se evaluaron antes de la construcción del modelo. Se excluyeron los participantes con estado diagnóstico clave, valores de biomarcadores previos al tratamiento, estadio TNM o datos de supervivencia/evolución faltantes, de acuerdo con los criterios de elegibilidad predefinidos. Los covariables no clave con menos del 5,0 % de datos faltantes se manejaron mediante imputación múltiple por ecuaciones encadenadas, con 20 conjuntos de datos imputados y 20 iteraciones17. Los modelos de imputación incluyeron grupo diagnóstico, centro, edad, sexo, antecedentes de tabaquismo, consumo de alcohol, valores de biomarcadores, estadio TNM, modalidad de tratamiento, estado de supervivencia global (OS), estado de supervivencia libre de progresión (PFS) y tiempo de seguimiento. Se realizaron análisis de casos completos como análisis de sensibilidad.
El modelo diagnóstico se desarrolló en la cohorte de entrenamiento. Se utilizaron curvas de característica operativa del receptor para calcular el área bajo la curva, sensibilidad, especificidad, valor predictivo positivo, valor predictivo negativo, exactitud y puntuación F1. Las áreas bajo la curva se compararon utilizando la prueba de DeLong18. Las curvas de precisión-revocación se usaron como evaluación diagnóstica complementaria. La calibración se evaluó mediante curvas de calibración, puntuaciones de Brier, interceptos de calibración y pendientes de calibración. La utilidad clínica se evaluó mediante análisis de curvas de decisión19. Se realizó validación interna utilizando 1.000 remuestras bootstrap para estimar la discriminación y calibración corregidas por optimismo. La validación externa se llevó a cabo aplicando directamente al Centro B la ecuación obtenida en la cohorte de entrenamiento, los parámetros de estandarización y el punto de corte, sin reajustarlos.
Para el análisis pronóstico, se generaron curvas de Kaplan-Meier para comparar la OS y la PFS entre los grupos con diferente carga de biomarcadores, y se utilizó la prueba de log-rank para evaluar las diferencias en supervivencia. Se empleó la regresión de riesgos proporcionales de Cox para estimar las razones de riesgo y los intervalos de confianza del 95 %. Se consideraron para los modelos multivariables las variables con relevancia clínica y aquellas asociadas con los resultados en el análisis univariable. El rendimiento del modelo se evaluó mediante el índice C de Harrell, curvas ROC dependientes del tiempo, curvas de calibración, puntuaciones de Brier y análisis de curvas de decisión20. La calibración pronóstica se evaluó a 1, 3 y 5 años. El supuesto de riesgos proporcionales se verificó mediante residuos de Schoenfeld y gráficos de supervivencia log-menos-log21. Los valores de P globales de la prueba de Schoenfeld fueron 0,42 para el modelo de OS y 0,37 para el modelo de PFS. Se evaluó la multicolinealidad mediante los factores de inflación de la varianza antes de la interpretación final del modelo, y todas las variables candidatas en los modelos diagnósticos y pronósticos finales tuvieron factores de inflación de la varianza inferiores a 2,1. El valor pronóstico incremental más allá del estadio TNM y los modelos clínico-patológicos convencionales se evaluó mediante la mejora neta de la reclasificación y la mejora de la discriminación integrada. Los parámetros del modelo estimados en la cohorte de entrenamiento se aplicaron a la cohorte de validación externa sin reajuste22. Todas las pruebas fueron bilaterales, y se consideró estadísticamente significativo un valor de P < 0,05.
Resultados
Flujo de participantes y reproducibilidad del ensayo
Se analizó un total de 326 individuos, de los cuales se excluyeron 49: 12 habían recibido tratamiento antitumoral antes de la extracción de sangre, 8 tenían otra neoplasia primaria, 9 presentaban infección grave, enfermedad autoinmune o comorbilidades no controladas que podrían afectar los marcadores tumorales séricos, 11 tenían interferencia por hemólisis, lipemia o ictericia, volumen sérico insuficiente o intervalo prolongado de procesamiento, y 9 presentaban datos clínicos, patológicos o de seguimiento clave faltantes. La población analítica final incluyó a 277 participantes: 167 pacientes con carcinoma de células escamosas del esófago (ESCC), 55 pacientes con enfermedad esofágica benigna y 55 controles sanos. El Centro A aportó 194 participantes a la cohorte de entrenamiento, y el Centro B aportó 83 participantes a la cohorte de validación externa. El flujo de participantes, la asignación de cohortes, el flujo de trabajo para la prueba de biomarcadores, el desarrollo del modelo diagnóstico, la validación externa y el marco para el modelado pronóstico se muestran en Figura 1, y los detalles de selección y exclusión se resumen en Tabla Suplementaria 1.
La reproducibilidad entre ensayos y entre centros se evaluó utilizando 30 alícuotas ciegas de suero de enlace. Los coeficientes de variación entre centros fueron del 4,8 % para el antígeno carcinoembrionario (CEA), del 5,6 % para el antígeno de carcinoma de células escamosas (SCC-Ag) y del 5,1 % para el antígeno carbohidrato 125 (CA125). Los coeficientes de correlación intraclase correspondientes fueron 0,94, 0,92 y 0,93, respectivamente. No se requirió recalibración específica por centro antes de la estandarización estadística y del desarrollo del modelo. Los resultados de reproducibilidad del ensayo se proporcionan en Supplementary Table 2.
Características basales de la población de estudio
La edad mediana de la población total fue de 59 años (RIC, 53-66 años), y 198 participantes (71,5 %) eran hombres. Se reportó tabaquismo actual o previo en 141 participantes (50,9 %), y consumo actual o previo de alcohol en 127 participantes (45,8 %). La cohorte incluyó a 167 pacientes con CEME (60,3 %), 55 pacientes con enfermedad esofágica benigna (19,9 %) y 55 controles sanos (19,9 %). Los niveles séricos medianos de CEA, SCC-Ag y CA125 fueron 3,9 ng/mL (RIC, 2,0-6,6 ng/mL), 1,4 ng/mL (RIC, 0,8-2,3 ng/mL) y 22,8 U/mL (RIC, 13,9-35,7 U/mL), respectivamente. La edad, el sexo, la historia de tabaquismo, el consumo de alcohol, el grupo diagnóstico y los niveles basales de biomarcadores séricos fueron comparables entre las cohortes de entrenamiento y de validación externa (Tabla 1).
Entre los 167 pacientes con CECE, la edad mediana fue de 61 años (RIC, 55-68 años) y 133 pacientes (79,6 %) eran hombres. Los tumores se localizaron con mayor frecuencia en el esófago torácico medio (89/167, 53,3 %), seguido por el esófago torácico inferior (56/167, 33,5 %) y el esófago torácico superior (22/167, 13,2 %). Los tumores moderadamente diferenciados y poco diferenciados representaron 81 casos (48,5 %) y 66 casos (39,5 %), respectivamente. La longitud del tumor fue de al menos 5 cm en 68 pacientes (40,7 %), la enfermedad pT3-4 estuvo presente en 121 pacientes (72,5 %), la metástasis ganglionar se observó en 100 pacientes (59,9 %) y la enfermedad en estadio III-IV según la clasificación de extensión del tumor, ganglios y metástasis (TNM) se encontró en 111 pacientes (66,5 %). La invasión linfangiovascular se identificó en 65 pacientes (38,9 %). El tratamiento primario consistió en cirugía radical con o sin terapia adyuvante en 113 pacientes (67,7 %), quimiorradioterapia definitiva en 32 pacientes (19,2 %) y tratamiento sistémico paliativo o de apoyo en 22 pacientes (13,2 %). Las principales variables clínico-patológicas fueron comparables entre los grupos de entrenamiento y validación externa de pacientes con CECE (Tabla 2).
Distribución multidimensional de los biomarcadores séricos entre los grupos de estudio
Las distribuciones de CEA sérico, SCC-Ag y CA125 diferían entre pacientes con CUEE, controles con enfermedad esofágica benigna y controles sanos (Figura 2). Tras la transformación logarítmica, los tres biomarcadores mostraron niveles más altos en el grupo de CUEE que en los dos grupos no malignos. El nivel mediano de CEA fue de 5,2 ng/mL en pacientes con CUEE, en comparación con 2,4 ng/mL en controles con enfermedad esofágica benigna y 1,9 ng/mL en controles sanos. El nivel mediano de SCC-Ag fue de 1,9 ng/mL en pacientes con CUEE, frente a 0,9 ng/mL y 0,7 ng/mL en los otros grupos. El nivel mediano de CA125 fue de 28,9 U/mL en pacientes con CUEE, comparado con 18,7 U/mL y 16,1 U/mL en los otros grupos. Las distribuciones de biomarcadores séricos específicas por grupo se resumen en la Tabla Suplementaria 3.
CEA y SCC-Ag mostraron una separación más clara entre ESCC y controles no malignos que CA125. En la distribución bidimensional de CEA y SCC-Ag transformados logarítmicamente, las muestras de ESCC se concentraron más frecuentemente en la región de valores más altos, mientras que los controles sanos se agruparon más a menudo en la región de valores más bajos. La alta carga combinada de biomarcadores, definida como el aumento de al menos dos de los tres marcadores, se observó en 61 de 167 pacientes con ESCC (36,5 %), en 8 de 55 controles con enfermedad esofágica benigna (14,5 %) y en 4 de 55 controles sanos (7,3 %). La distribución de la carga elevada de biomarcadores difirió significativamente entre los tres grupos (P < 0,001), como también se informa en la Tabla Suplementaria 3.
Desarrollo de la firma diagnóstica combinada en la cohorte de entrenamiento
La firma diagnóstica combinada se desarrolló en la cohorte de entrenamiento utilizando los valores de CEA, SCC-Ag y CA125 transformados mediante logaritmo (Figura 3). El análisis de correlación por pares mostró correlaciones positivas moderadas entre los tres marcadores. La correlación más fuerte se observó entre CEA y SCC-Ag (r = 0.58), seguida por SCC-Ag y CA125 (r = 0.47) y CEA y CA125 (r = 0.41), lo que respalda la modelización conjunta sin tratar los marcadores como mediciones intercambiables.
En la regresión logística univariable, el CEA, el SCC-Ag y el CA125 se asociaron cada uno con el estado de CEE, con razones de probabilidad de 2,81, 3,94 y 2,14, respectivamente. En el modelo diagnóstico multivariable, el SCC-Ag mostró el tamaño del efecto ajustado más grande (OR, 2,87; IC del 95%, 1,62–5,09; P < 0,001), seguido por el CEA (OR, 1,80; IC del 95%, 1,19–2,72; P = 0,006) y el CA125 (OR, 1,52; IC del 95%, 1,03–2,25; P = 0,034). Los coeficientes del modelo diagnóstico se resumen en la Tabla Suplementaria 4. El predictor lineal diagnóstico final fue:
LPdiagnóstico = -0.46 + 0.59 × zlnCEA + 1.05 × zlnSCC - Ag + 0.42 × zlnCA125
La probabilidad individual predicha de ESCC se calculó como:
PESCC = 1/1 + exp( -LPdiagnostic )
La distribución de probabilidad predicha por el modelo diagnóstico combinado mostró separación entre participantes con ECCE y sin ECCE. El punto de corte óptimo fue de 0,57. En este punto de corte, el modelo combinado alcanzó un área bajo la curva de característica de operación del receptor (AUC) de 0,869 (IC del 95 %, 0,817–0,921), con un valor predictivo positivo del 85,8 % y un valor predictivo negativo del 73,0 % en la cohorte de entrenamiento.
Rendimiento diagnóstico y validación externa del panel combinado de biomarcadores
En la cohorte de entrenamiento, el Ag-CEC mostró el mayor rendimiento diagnóstico entre los tres biomarcadores individuales, con un AUC de 0,802 (IC del 95 %, 0,735–0,869). Los AUC para CEA y CA125 fueron de 0,711 (IC del 95 %, 0,635–0,786) y 0,668 (IC del 95 %, 0,591–0,744), respectivamente. El panel combinado logró la mayor discriminación general, con un AUC de 0,869 (IC del 95 %, 0,817–0,921), una sensibilidad del 79,8 %, una especificidad del 81,2 %, un valor predictivo positivo del 85,8 %, un valor predictivo negativo del 73,0 %, una exactitud del 80,4 % y una puntuación F1 del 82,7 % (Tabla 3).
Las curvas de característica operativa del receptor confirmaron una mayor discriminación diagnóstica del panel combinado en comparación con los biomarcadores individuales (Figura 4A). En el punto de corte óptimo de 0,57, el panel combinado mostró una sensibilidad del 79,8 % y una especificidad del 81,2 %. El AUC del panel combinado fue significativamente mayor que el de SCC-Ag solo (P = 0,032). La validación interna mediante bootstrap con 1.000 remuestras mostró un AUC corregido por optimismo de 0,856, una pendiente de calibración corregida por optimismo de 0,97 y una puntuación de Brier corregida por optimismo de 0,154. Las estimaciones de la validación interna se proporcionan en la Tabla Suplementaria 4.
En la cohorte de validación externa, el análisis de precisión-revelación mostró la precisión promedio más alta para distinguir el CEEE de los controles sanos (AP = 0,912; Figura 4B). La precisión promedio fue de 0,863 para CEEE frente a no-CEEE y de 0,841 para CEEE frente a enfermedad esofágica benigna. La precisión promedio para CEEE en estadio temprano frente a controles no malignos fue de 0,535. El análisis de calibración mostró concordancia entre las probabilidades predichas y los resultados observados en ambas cohortes (Figura 4C). El puntaje de Brier fue de 0,148, con una pendiente de calibración de 1,02 y una intersección de 0,01 en la cohorte de entrenamiento. En la cohorte de validación externa, el puntaje de Brier fue de 0,164 con una pendiente de calibración de 0,93 y una intersección de calibración de −0,04. El análisis de la curva de decisión mostró un beneficio neto mayor para el panel combinado que para las estrategias de tratar-todos y no-tratar-ninguno en la mayoría de los umbrales de probabilidad (Figura 4D).
Los resultados de la validación externa se resumen en la Tabla 4. El panel combinado alcanzó un AUC de 0,842 (IC del 95 %, 0,753–0,930) para ESCC frente a no ESCC, con una sensibilidad del 75,5 %, una especificidad del 76,7 %, una exactitud del 75,9 %, una puntuación de Brier de 0,164, una pendiente de calibración de 0,93 y un beneficio neto de 0,218 a una probabilidad umbral del 0,30. Los AUC fueron de 0,801 (IC del 95 %, 0,686–0,916) para ESCC frente a enfermedad esofágica benigna, 0,889 (IC del 95 %, 0,800–0,979) para ESCC frente a controles sanos y 0,818 (IC del 95 %, 0,704–0,932) para ESCC en estadio temprano frente a controles no malignos. La especificidad más alta se observó para ESCC frente a controles sanos (86,7 %), mientras que para ESCC en estadio temprano frente a controles no malignos se mostró una sensibilidad del 70,6 % y una especificidad del 78,3 %.
Perfil de asociación clinicopatológica del panel combinado de biomarcadores en el CECE
Se evaluó la asociación entre la elevación de biomarcadores séricos y las características clínico-patológicas en pacientes con CECE (Tabla 5). La edad y el sexo mostraron una asociación limitada con la elevación individual de biomarcadores. Los pacientes con al menos 65 años tuvieron una proporción mayor con alta carga combinada de biomarcadores en comparación con aquellos menores de 65 años (47,6 % frente a 29,8 %; P = 0,028), mientras que el sexo no se asoció ni con la elevación individual de biomarcadores ni con la carga combinada de biomarcadores.
Las variables relacionadas con el tumor mostraron asociaciones más fuertes con la elevación de los biomarcadores. Una alta carga combinada de biomarcadores estuvo presente en el 50,0 % de los pacientes con una longitud tumoral de al menos 5 cm, en comparación con el 27,3 % de los pacientes con longitud tumoral inferior a 5 cm (P = 0,004). La alta carga combinada de biomarcadores también fue más frecuente en pacientes con mala diferenciación que en aquellos con buena o moderada diferenciación (50,0 % frente a 28,2 %; P = 0,006), en pacientes con enfermedad pT3–4 que en aquellos con enfermedad pT1–2 (42,1 % frente a 21,7 %; P = 0,011), en pacientes con metástasis en ganglios linfáticos que en aquellos sin metástasis en ganglios linfáticos (43,0 % frente a 26,9 %; P = 0,038), y en pacientes con enfermedad en estadio III–IV según la clasificación TNM que en aquellos con enfermedad en estadio I–II según TNM (43,2 % frente a 23,2 %; P = 0,009).
La visualización a nivel del paciente mostró que puntuaciones de riesgo combinadas más altas iban acompañadas de características clínico-patológicas más avanzadas (Figura 5A). Los pacientes con puntuaciones más altas se clasificaron con mayor frecuencia como pT3–4, con ganglios linfáticos positivos, con diferenciación pobre o en estadio TNM III–IV. El análisis de diagramas de caja mostró distribuciones ascendentes de biomarcadores en pacientes con mayor longitud tumoral, diferenciación pobre, enfermedad pT3–4, afectación de ganglios linfáticos y estadio TNM III–IV (Figura 5B). El diagrama de Sankey mostró que los pacientes con dos o tres biomarcadores elevados se clasificaron con mayor frecuencia como estadio TNM III–IV, mientras que los pacientes sin biomarcadores elevados se clasificaron con mayor frecuencia como estadio TNM I–II (Figura 5C). La asociación entre la carga combinada de biomarcadores y la distribución del estadio TNM fue estadísticamente significativa (P < 0,001).
Estratificación pronóstica basada en el panel combinado de biomarcadores séricos
El tiempo mediano de seguimiento para los pacientes con CECE fue de 34 meses. Durante el seguimiento, se registraron 78 defunciones y 96 eventos de supervivencia libre de progresión. Los detalles del seguimiento y los eventos se resumen en la Tabla Suplementaria 5. Una alta carga combinada de biomarcadores se asoció con peores resultados de supervivencia. En la regresión de Cox univariable, una alta carga combinada de biomarcadores se asoció con un mayor riesgo de muerte (HR, 2,91; IC 95 %, 1,89–4,46; P < 0,001) y de progresión o muerte (HR, 2,63; IC 95 %, 1,80–3,84; P < 0,001). Tras el ajuste por edad, longitud del tumor, diferenciación, estadio pT, metástasis ganglionar y modalidad de tratamiento, la alta carga combinada de biomarcadores siguió asociada independientemente con la supervivencia global (SG; HR, 2,24; IC 95 %, 1,41–3,54; P = 0,001) y la supervivencia libre de progresión (SLP; HR, 2,03; IC 95 %, 1,35–3,05; P = 0,001). Por el contrario, los niveles elevados de CEA, SCC-Ag y CA125 ya no fueron estadísticamente significativos cuando se incluyeron individualmente en los modelos multivariables. Los resultados de la regresión de Cox se resumen en la Tabla 6.
El análisis de Kaplan-Meier mostró una clara separación entre los grupos con alta y baja carga combinada de biomarcadores (Figura 6A,B). La supervivencia global mediana fue de 38 meses en el grupo de baja carga y de 19 meses en el grupo de alta carga (log-rank P < 0,001). La supervivencia libre de progresión (PFS) mediana fue de 28 meses en el grupo de baja carga y de 13 meses en el grupo de alta carga (log-rank P < 0,001). El modelo pronóstico integrado mostró una mayor discriminación dependiente del tiempo en comparación con la etapa TNM por sí sola (Figura 6C), con AUC de 0,829, 0,806 y 0,781 a 1, 3 y 5 años, respectivamente, en comparación con 0,701, 0,676 y 0,648 para la etapa TNM sola. La mejora del índice C respecto a la etapa TNM por sí sola fue de 0,130 en la cohorte de entrenamiento y de 0,120 en la cohorte de validación externa. El mapa de calor de referencia mostró un aumento de la mortalidad acumulada a través de las estrategias de riesgo (Figura 6D). En el tercil de bajo riesgo, las probabilidades de mortalidad acumulada fueron del 6 %, 12 %, 24 %, 37 % y 52 % a los 6, 12, 24, 36 y 60 meses, respectivamente. Las probabilidades correspondientes fueron del 14 %, 26 %, 44 %, 59 % y 74 % en el tercil de riesgo intermedio y del 28 %, 47 %, 68 %, 82 % y 91 % en el tercil de alto riesgo.
Validación externa y utilidad pronóstica incremental del modelo integrado
El modelo integrado mostró la mayor discriminación pronóstica entre los modelos evaluados en ambas cohortes. En la cohorte de entrenamiento, el índice C fue de 0,792 para el modelo integrado, en comparación con 0,736 para el modelo clínico-patológico, 0,703 para el panel de biomarcadores solo y 0,662 para la etapa TNM sola. En la cohorte de validación externa, el índice C para el modelo integrado fue de 0,761, en comparación con 0,708, 0,681 y 0,641 para los otros modelos. Las AUC dependientes del tiempo también favorecieron al modelo integrado. En la cohorte de entrenamiento, el modelo integrado alcanzó AUC de 0,829, 0,806 y 0,781 a 1, 3 y 5 años, respectivamente. En la cohorte de validación externa, las AUC correspondientes fueron 0,801, 0,774 y 0,748. En comparación con la etapa TNM sola, el modelo integrado mostró un NRI de +0,274 y un IDI de +0,102. La validación interna mediante bootstrap mostró un índice C corregido por optimismo de 0,779 para el modelo integrado. Las métricas de rendimiento del modelo se presentan en Tabla 7, y se proporcionan resultados adicionales de validación pronóstica en Tabla Suplementaria 5.
El gráfico de comparación de modelos mostró el índice C de Harrell más alto para el modelo integrado en ambas cohortes (Figura 7A). El nomograma incorporó la edad, la longitud del tumor, la diferenciación histológica, la etapa pT, el estado de los ganglios linfáticos, la modalidad de tratamiento inicial y la alta carga combinada de biomarcadores para estimar las probabilidades de supervivencia global (OS) a 1, 3 y 5 años (Figura 7B). En la cohorte de validación externa, las curvas de calibración para la OS a 1, 3 y 5 años estuvieron cercanas a la línea de referencia ideal (Figura 7C). Los puntajes de Brier fueron 0.141, 0.164 y 0.178, respectivamente, con pendientes de calibración de 0.97, 0.93 y 0.91. El análisis de la curva de decisión mostró que el modelo integrado tuvo un beneficio neto mayor que la etapa TNM por sí sola, el modelo clínico-patológico, y las estrategias de tratar a todos o no tratar a ninguno en todo el rango principal de probabilidad umbral (Figura 7D). Con una probabilidad umbral de 0.30, el beneficio neto fue de 0.181 para el modelo integrado, en comparación con 0.139 para el modelo clínico-patológico y 0.117 para la etapa TNM sola. Estos resultados de calibración y de la curva de decisión se resumen en la Tabla Suplementaria 5.
DISPONIBILIDAD DE LOS DATOS:
Los conjuntos de datos generados y analizados durante el presente estudio están disponibles públicamente en el repositorio Figshare: https://doi.org/10.6084/m9.figshare.33154580.v1.
Figura 1: Diseño del estudio y flujo de trabajo analítico. Descripción esquemática de la selección de participantes, asignación de cohortes, medición de biomarcadores séricos, desarrollo del modelo diagnóstico, validación externa y construcción del modelo pronóstico. El Centro A sirvió como cohorte de entrenamiento, y el Centro B como cohorte de validación externa. Haga clic aquí para ver una versión más grande de esta figura.
Figura 2: Distribución de los biomarcadores séricos CEA, SCC-Ag y CA125 en los grupos de estudio. (A) Gráficos de violín y cajas que muestran los niveles séricos transformados logarítmicamente de los biomarcadores en pacientes con ESCC, controles con enfermedad esofágica benigna y controles sanos. (B) Distribución bivariada de CEA y SCC-Ag transformados logarítmicamente. (C) Gráfico de radar que resume el perfil combinado de biomarcadores en los grupos diagnósticos. (D) Distribución de la carga de biomarcadores elevados en los grupos diagnósticos. CEA = antígeno carcinoembrionario; SCC-Ag = antígeno de carcinoma de células escamosas; CA125 = antígeno carbohidratado 125; ESCC = carcinoma de células escamosas esofágico. Haga clic aquí para ver una versión más grande de esta figura.
Figura 3: Desarrollo de la firma diagnóstica combinada en la cohorte de entrenamiento. (A) Mapa de calor de correlación de CEA, SCC-Ag y CA125 transformados logarítmicamente. (B) Resultados de regresión logística univariable y multivariable para biomarcadores individuales y el modelo diagnóstico combinado. (C) Distribución de probabilidad predicha para participantes con ESCC y sin ESCC según el modelo diagnóstico combinado. Haga clic aquí para ver una versión más grande de esta figura.
Figura 4: Rendimiento diagnóstico y validación externa del panel combinado de biomarcadores. (A) Curvas de característica operativa del receptor que comparan biomarcadores individuales y el panel combinado en la cohorte de entrenamiento. (B) Curvas de precisión-revocación en diversos escenarios de validación externa. (C) Gráficos de calibración para las cohortes de entrenamiento y de validación externa. (D) Análisis de la curva de decisión que muestra el beneficio neto a través de probabilidades umbral. ROC = característica operativa del receptor. Haga clic aquí para ver una versión más grande de esta figura.
Figura 5: Perfil de asociación clinicopatológica del panel combinado de biomarcadores en el ESCC. (A) Panorama a nivel individual de los pacientes con puntuaciones combinadas de riesgo, niveles séricos de biomarcadores y características clinicopatológicas. (B) Diagramas de caja que muestran la distribución de los biomarcadores en los principales subgrupos clinicopatológicos. (C) Diagrama de Sankey que muestra la relación entre la carga elevada de biomarcadores y la etapa TNM. TNM = tumor-nódulo-metástasis. Haga clic aquí para ver una versión más grande de esta figura.
Figura 6: Estratificación pronóstica según la carga combinada de biomarcadores. (A) Curvas de Kaplan-Meier para la supervivencia global según la carga combinada de biomarcadores. (B) Curvas de Kaplan-Meier para la supervivencia libre de progresión según la carga combinada de biomarcadores. (C) Curvas de características operativas del receptor dependientes del tiempo, que comparan el modelo integrado frente al estadio TNM por separado. (D) Mapa de calor que muestra las probabilidades acumuladas de mortalidad a través de los terciles de riesgo y los puntos temporales de seguimiento. OS = supervivencia global; PFS = supervivencia libre de progresión. Haga clic aquí para ver una versión más grande de esta figura.
Figura 7: Validación externa y traslación clínica del modelo pronóstico integrado. (A) Comparación del índice C de Harrell entre modelos pronósticos en las cohortes de entrenamiento y validación externa. (B) Nomograma que incorpora edad, longitud del tumor, diferenciación histológica, estadio pT, estado de los ganglios linfáticos, modalidad de tratamiento inicial y alta carga combinada de biomarcadores para estimar la supervivencia global a 1, 3 y 5 años. (C) Gráficos de calibración para la validación externa de la supervivencia global a 1, 3 y 5 años. (D) Análisis de curva de decisión que compara el modelo integrado con el estadio TNM solo, el modelo clínico-patológico y las estrategias de tratar a todos o no tratar a ninguno. Haga clic aquí para ver una versión más grande de esta figura.
| Variable | Total (n = 277) | Cohorte de entrenamiento, Centro A (n = 194) | Cohorte de validación externa, Centro B (n = 83) | Valor p |
| Edad, años, mediana (RIC) | 59 (53–66) | 59 (52–65) | 60 (54–67) | 0.284 |
| Sexo masculino, n (%) | 198 (71,5) | 137 (70,6) | 61 (73,5) | 0.622 |
| Fumador actual o exfumador, n (%) | 141 (50,9) | 95 (49,0) | 46 (55,4) | 0.321 |
| Consumo actual o previo de alcohol, n (%) | 127 (45,8) | 87 (44,8) | 40 (48,2) | 0.603 |
| Grupo diagnóstico, n (%) | 0.701 | |||
| CEEC | 167 (60,3) | 114 (58,8) | 53 (63,9) | |
| Enfermedad esofágica benigna | 55 (19,9) | 40 (20,6) | 15 (18,1) | |
| Controles sanos | 55 (19,9) | 40 (20,6) | 15 (18,1) | |
| CEA sérico, ng/mL, mediana (RIC) | 3,9 (2,0–6,6) | 3,8 (1,9–6,4) | 4,1 (2,1–6,8) | 0.367 |
| SCC-Ag sérico, ng/mL, mediana (RIC) | 1,4 (0,8–2,3) | 1,4 (0,8–2,2) | 1,5 (0,9–2,4) | 0.418 |
| CA125 sérico, U/mL, mediana (RIC) | 22,8 (13,9–35,7) | 22,4 (13,5–34,9) | 23,6 (14,6–36,8) | 0.447 |
Tabla 1: Características basales de los participantes en las cohortes de entrenamiento y validación externa. Se resumen las características demográficas, la composición de las cohortes y los niveles séricos basales de CEA, SCC-Ag y CA125 para la población total, la cohorte de entrenamiento y la cohorte de validación externa.
| Variable | ESCC general (n = 167) | Cohorte de entrenamiento (n = 114) | Cohorte de validación externa (n = 53) | Valor p |
| Edad, años, mediana (RIC) | 61 (55–68) | 61 (55–67) | 62 (56–68) | 0.386 |
| Sexo masculino, n (%) | 133 (79,6) | 91 (79,8) | 42 (79,2) | 0.931 |
| Fumador actual o exfumador, n (%) | 110 (65,9) | 74 (64,9) | 36 (67,9) | 0.701 |
| Consumo actual o previo de alcohol, n (%) | 95 (56,9) | 66 (57,9) | 29 (54,7) | 0.688 |
| Localización del tumor, n (%) | 0.879 | |||
| Torácico superior | 22 (13,2) | 15 (13,2) | 7 (13,2) | |
| Torácico medio | 89 (53,3) | 60 (52,6) | 29 (54,7) | |
| Torácico inferior | 56 (33,5) | 39 (34,2) | 17 (32,1) | |
| Diferenciación histológica, n (%) | 0.944 | |||
| Bien diferenciado | 20 (12,0) | 14 (12,3) | 6 (11,3) | |
| Moderadamente diferenciado | 81 (48,5) | 56 (49,1) | 25 (47,2) | |
| Pobremente diferenciado | 66 (39,5) | 44 (38,6) | 22 (41,5) | |
| Longitud del tumor ≥5 cm, n (%) | 68 (40,7) | 45 (39,5) | 23 (43,4) | 0.621 |
| Estadio pT3–4, n (%) | 121 (72,5) | 82 (71,9) | 39 (73,6) | 0.821 |
| Metástasis en ganglios linfáticos, n (%) | 100 (59,9) | 68 (59,6) | 32 (60,4) | 0.924 |
| Estadio TNM III–IV, n (%) | 111 (66,5) | 75 (65,8) | 36 (67,9) | 0.785 |
| Invasión linfovascular, n (%) | 65 (38,9) | 42 (36,8) | 23 (43,4) | 0.404 |
| Modalidad de tratamiento primario, n (%) | 0.753 | |||
| Cirugía radical ± terapia adyuvante | 113 (67,7) | 79 (69,3) | 34 (64,2) | |
| Quimiorradioterapia definitiva | 32 (19,2) | 21 (18,4) | 11 (20,8) | |
| Tratamiento sistémico paliativo o de apoyo | 22 (13,2) | 14 (12,3) | 8 (15,1) |
Tabla 2: Características clínico-patológicas de los pacientes con CEESC en las cohortes de entrenamiento y validación externa. Se comparan la localización del tumor, la diferenciación histológica, la longitud del tumor, el estadio pT, el estado de los ganglios linfáticos, el estadio TNM, la invasión linfangiovascular y el tipo de tratamiento primario entre los pacientes con CEESC de las cohortes de entrenamiento y de validación externa.
| Modelo | Corte óptimo | AUC (IC del 95 %) | Sensibilidad (%) | Especificidad (%) | PPV (%) | NPV (%) | Precisión (%) | Puntuación F1 (%) |
| CEA | 4.85 ng/mL | 0.711 (0.635–0.786) | 58.8 | 76.2 | 77.9 | 56.6 | 66.2 | 67.1 |
| SCC-Ag | 1.52 ng/mL | 0.802 (0.735–0.869) | 70.2 | 78.8 | 82.5 | 65.6 | 73.8 | 76.1 |
| CA125 | 31.8 U/mL | 0.668 (0.591–0.744) | 44.7 | 82.5 | 78.5 | 52.4 | 60.3 | 57 |
| Panel combinado | 0.57 | 0.869 (0.817–0.921) | 79.8 | 81.2 | 85.8 | 73 | 80.4 | 82.7 |
Tabla 3: Precisión diagnóstica de los biomarcadores individuales y del panel combinado de biomarcadores séricos en la cohorte de entrenamiento. El rendimiento diagnóstico se informa utilizando el punto de corte óptimo, el área bajo la curva característica de operación del receptor, sensibilidad, especificidad, valor predictivo positivo, valor predictivo negativo, exactitud y puntuación F1.
| Comparación | AUC (IC 95%) | Sensibilidad, % | Especificidad, % | Precisión, % | Puntuación de Brier | Pendiente de calibración | Beneficio neto en probabilidad umbral de 0,30 |
| ESCC frente a no-ESCC | 0.842 (0.753–0.930) | 75.5 | 76.7 | 75.9 | 0.164 | 0.93 | 0.218 |
| ESCC frente a enfermedad esofágica benigna | 0.801 (0.686–0.916) | 73.6 | 73.3 | 73.5 | 0.171 | 0.9 | 0.196 |
| ESCC frente a controles sanos | 0.889 (0.800–0.979) | 77.4 | 86.7 | 79.5 | 0.122 | 0.97 | 0.252 |
| ESCC en estadio inicial frente a controles no malignos | 0.818 (0.704–0.932) | 70.6 | 78.3 | 76.3 | 0.153 | 0.89 | 0.173 |
Tabla 4: Validación externa del rendimiento diagnóstico del panel combinado de biomarcadores séricos. El rendimiento del modelo se resume en cuatro escenarios diagnósticos: CSEE frente a no-CSEE, CSEE frente a enfermedad esofágica benigna, CSEE frente a controles sanos, y CSEE en estadio temprano frente a controles no malignos.
| Característica | Categoría | CEA elevado (n %) | SCC-Ag elevado (n %) | CA125 elevado (n %) | Alta carga combinada (n %) | P para CEA | P para SCC-Ag | P para CA125 | P para carga combinada |
| Edad | <65 años (n = 104) | 40 (38,5) | 54 (51,9) | 29 (27,9) | 31 (29,8) | 0,129 | 0,108 | 0,151 | 0,028 |
| ≥65 años (n = 63) | 32 (50,8) | 41 (65,1) | 25 (39,7) | 30 (47,6) | |||||
| Sexo | Femenino (n=34) | 13 (38,2) | 17 (50,0) | 13 (38,2) | 12 (35,3) | 0,513 | 0,367 | 0,402 | 0,871 |
| Masculino (n = 133) | 59 (44,4) | 78 (58,6) | 41 (30,8) | 49 (36,8) | |||||
| Longitud del tumor | <5 cm (n = 99) | 35 (35,4) | 49 (49,5) | 24 (24,2) | 27 (27,3) | 0,015 | 0,021 | 0,009 | 0,004 |
| ≥5 cm (n = 68) | 37 (54,4) | 46 (67,6) | 30 (44,1) | 34 (50,0) | |||||
| Diferenciación | Bien/moderada (n = 103) | 38 (36,9) | 52 (50,5) | 27 (26,2) | 29 (28,2) | 0,018 | 0,032 | 0,027 | 0,006 |
| Pobre (n=64) | 34 (53,1) | 43 (67,2) | 27 (42,2) | 32 (50,0) | |||||
| Estadio pT | pT1–2 (n = 46) | 13 (28,3) | 20 (43,5) | 9 (19,6) | 10 (21,7) | 0,016 | 0,028 | 0,036 | 0,011 |
| pT3–4 (n = 121) | 59 (48,8) | 75 (62,0) | 45 (37,2) | 51 (42,1) | |||||
| Estado de los ganglios linfáticos | Negativo (n = 67) | 21 (31,3) | 31 (46,3) | 15 (22,4) | 18 (26,9) | 0,012 | 0,025 | 0,021 | 0,038 |
| Positivo (n = 100) | 51 (51,0) | 64 (64,0) | 39 (39,0) | 43 (43,0) | |||||
| Estadio TNM | I–II (n = 56) | 16 (28,6) | 25 (44,6) | 11 (19,6) | 13 (23,2) | 0,008 | 0,021 | 0,014 | 0,009 |
| III–IV (n= 111) | 56 (50,5) | 70 (63,1) | 43 (38,7) | 48 (43,2) |
Tabla 5: Asociaciones entre el aumento de biomarcadores séricos y características clinicopatológicas en pacientes con CECE. Se comparan las proporciones de CEA elevada, SCC-Ag elevado, CA125 elevado y alta carga combinada de biomarcadores en diversos subgrupos demográficos y relacionados con el tumor.
| Variable | HR univariable para OS (IC del 95%) | Valor p | HR multivariable para OS (IC del 95%) | Valor p | HR univariable para PFS (IC del 95%) | Valor p | HR multivariable para PFS (IC del 95%) | Valor p |
| Edad ≥65 años | 1.52 (1.01–2.31) | 0.046 | 1.39 (0.90–2.14) | 0.138 | 1.41 (0.97–2.06) | 0.074 | 1.31 (0.88–1.95) | 0.186 |
| Sexo masculino | 1.18 (0.67–2.08) | 0.566 | — | — | 1.13 (0.69–1.84) | 0.632 | — | — |
| Longitud del tumor ≥5 cm | 1.89 (1.25–2.86) | 0.003 | 1.44 (0.93–2.23) | 0.103 | 1.76 (1.22–2.55) | 0.003 | 1.36 (0.92–2.01) | 0.122 |
| Diferenciación pobre | 1.63 (1.07–2.47) | 0.024 | 1.29 (0.84–1.99) | 0.245 | 1.58 (1.09–2.28) | 0.016 | 1.27 (0.86–1.87) | 0.228 |
| Estadio pT3–4 | 2.04 (1.19–3.49) | 0.009 | 1.36 (0.76–2.44) | 0.304 | 1.92 (1.18–3.11) | 0.009 | 1.29 (0.77–2.18) | 0.335 |
| Metástasis en ganglios linfáticos | 2.46 (1.50–4.03) | <0.001 | 1.94 (1.15–3.28) | 0.013 | 2.12 (1.37–3.28) | 0.001 | 1.73 (1.08–2.79) | 0.023 |
| Tratamiento basado en cirugía radical | 0.43 (0.28–0.65) | <0.001 | 0.56 (0.36–0.88) | 0.012 | 0.51 (0.35–0.74) | <0.001 | 0.63 (0.43–0.94) | 0.024 |
| CEA elevada | 1.88 (1.24–2.85) | 0.003 | 1.34 (0.86–2.10) | 0.199 | 1.71 (1.18–2.49) | 0.005 | 1.26 (0.84–1.88) | 0.267 |
| SCC-Ag elevado | 1.95 (1.25–3.03) | 0.003 | 1.29 (0.80–2.08) | 0.302 | 1.82 (1.22–2.72) | 0.004 | 1.25 (0.81–1.93) | 0.315 |
| CA125 elevado | 1.79 (1.16–2.78) | 0.009 | 1.21 (0.76–1.93) | 0.421 | 1.68 (1.13–2.50) | 0.011 | 1.18 (0.77–1.82) | 0.446 |
| Alta carga combinada de biomarcadores | 2.91 (1.89–4.46) | <0.001 | 2.24 (1.41–3.54) | 0.001 | 2.63 (1.80–3.84) | <0.001 | 2.03 (1.35–3.05) | 0.001 |
Tabla 6: Análisis de regresión de Cox univariable y multivariable para la supervivencia global y la supervivencia libre de progresión. Se presentan las razones de riesgo e intervalos de confianza del 95 % para variables clínico-patológicas, elevación individual de biomarcadores y alta carga combinada de biomarcadores.
| Modelo | C-índice en cohorte de entrenamiento | AUC de 1 año en entrenamiento | AUC de 3 años en entrenamiento | AUC de 5 años en entrenamiento | C-índice en validación externa | AUC de 1 año externa | AUC de 3 años externa | AUC de 5 años externa | NRI frente a TNM | IDI frente a TNM |
| Etapa TNM sola | 0.662 | 0.701 | 0.676 | 0.648 | 0.641 | 0.672 | 0.651 | 0.628 | — | — |
| Panel de biomarcadores solo | 0.703 | 0.744 | 0.713 | 0.689 | 0.681 | 0.709 | 0.687 | 0.666 | 0.118 | 0.049 |
| Modelo clínico-patológico | 0.736 | 0.772 | 0.748 | 0.721 | 0.708 | 0.741 | 0.719 | 0.694 | 0.153 | 0.061 |
| Modelo integrado | 0.792 | 0.829 | 0.806 | 0.781 | 0.761 | 0.801 | 0.774 | 0.748 | 0.274 | 0.102 |
Tabla 7: Rendimiento predictivo de diferentes modelos pronósticos en las cohortes de entrenamiento y validación externa. Se comparan entre sí el índice C de Harrell, el área bajo la curva dependiente del tiempo, la mejora neta de la reclasificación y la mejora de la discriminación integrada, para el estadio TNM por separado, el panel de biomarcadores por separado, el modelo clínico-patológico y el modelo integrado.
Tabla suplementaria 1: Cribado de participantes, criterios de exclusión y asignación final de la cohorte. Se resumen los números de cribado, las razones de exclusión, la población analítica final, la distribución por grupos diagnósticos y la asignación de la cohorte por centros.Haga clic aquí para descargar este archivo.
Tabla suplementaria 2: Reproducibilidad entre ensayos y entre centros en la medición de biomarcadores séricos. Se resumen los resultados de la prueba con alícuotas séricas emparejadas y enmascaradas utilizando coeficientes de variación entre centros y coeficientes de correlación intraclase para CEA, SCC-Ag y CA125.Haga clic aquí para descargar este archivo.
Tabla suplementaria 3: Distribución de biomarcadores en suero y carga combinada de biomarcadores según los grupos diagnósticos. Se resume la distribución específica por grupo de los biomarcadores en suero CEA, SCC-Ag y CA125, así como la proporción con alta carga combinada de biomarcadores, en pacientes con CEE, controles con enfermedades esofágicas benignas y controles sanos.Haga clic aquí para descargar este archivo.
Tabla suplementaria 4: Coeficientes del modelo diagnóstico y validación interna mediante bootstrap. Se resumen la intersección del modelo diagnóstico, los coeficientes de los biomarcadores, las estimaciones de regresión logística univariable y multivariable, el punto de corte del grupo de entrenamiento, el número de remuestras mediante bootstrap, el área corregida por optimismo bajo la curva, la pendiente de calibración y la puntuación de Brier.Haga clic aquí para descargar este archivo.
Tabla Suplementaria 5: Seguimiento, resultados de mortalidad en momentos clave, calibración y curva de decisión para la validación pronóstica. Se resumen la duración del seguimiento, los eventos de supervivencia, la mediana de la supervivencia global (OS) y la supervivencia sin progresión (PFS) según el grupo de carga del biomarcador; la mejora del índice C; el índice C corregido por optimismo; las probabilidades acumuladas de mortalidad en momentos clave; las puntuaciones de Brier de validación externa; las pendientes de calibración; y las estimaciones del beneficio neto de la curva de decisión.Haga clic aquí para descargar este archivo.
Discusión
Este estudio multicéntrico desarrolló y validó externamente un panel combinado de biomarcadores séricos que integra CEA, SCC-Ag y CA125 para la evaluación diagnóstica y pronóstica en el CECE. El panel combinado superó a cada biomarcador individual al distinguir el CECE de los controles no malignos y mantuvo una discriminación aceptable en la cohorte de validación externa. Este hallazgo es consistente con estudios previos sobre CECE que muestran que los marcadores tumorales séricos pueden proporcionar información diagnóstica y pronóstica clínicamente relevante, aunque el desempeño de un solo marcador suele estar limitado por la superposición biológica entre condiciones malignas y no malignas23,24. Por lo tanto, la principal contribución de este estudio es el desarrollo de un protocolo reproducible de tres marcadores que integra el diagnóstico previo al tratamiento, la correlación clinicopatológica y la estratificación de la supervivencia en un único marco analítico.
El mejor desempeño del panel combinado es biológicamente plausible porque CEA, SCC-Ag y CA125 reflejan procesos relacionados con el tumor parcialmente diferentes. SCC-Ag está estrechamente asociado con la malignidad epitelial escamosa y mostró el mejor desempeño diagnóstico individual en esta cohorte. CEA puede reflejar la carga tumoral, el fenotipo invasivo y la actividad maligna sistémica, mientras que CA125 podría captar señales más amplias relacionadas con inflamación, afectación serosa o enfermedad avanzada, más que la biología específica del carcinoma de células escamosas del esófago (ESCC)25,26. Las correlaciones moderadas entre los tres biomarcadores sugieren que los marcadores estaban relacionados pero no eran redundantes, lo que apoya el modelado conjunto en lugar de depender de una única medición circulante.
Una alta carga combinada de biomarcadores se asoció con tumores más grandes, enfermedad pT3–4, metástasis en ganglios linfáticos y enfermedad en estadio TNM III–IV, lo que indica que el panel captó más que una señal diagnóstica binaria. Este patrón es clínicamente relevante porque el estadio anatómico sigue siendo fundamental en el manejo del CECE, aunque los pacientes dentro del mismo estadio aún pueden diferir en cuanto a agresividad tumoral, carga sistémica y resultado de supervivencia27. Por lo tanto, un perfil de biomarcadores basado en suero podría ayudar a perfeccionar la evaluación del riesgo previa al tratamiento, especialmente cuando los médicos necesitan información adicional antes de la cirugía, la quimiorradioterapia definitiva, el tratamiento sistémico o un seguimiento más intensivo. En el análisis de supervivencia, una alta carga combinada de biomarcadores se mantuvo independientemente asociada con una peor supervivencia global y supervivencia libre de progresión tras el ajuste por variables clínico-patológicas principales, y el modelo integrado mostró un índice C y áreas bajo la curva (AUC) dependientes del tiempo más altos que el estadio TNM por sí solo28.
En comparación con los modelos basados en imágenes, radiómica, expresión génica o multi-ómica, el panel actual tiene ventajas prácticas pero un alcance biológico más limitado. Los modelos de radiómica y transcriptómica pueden capturar la heterogeneidad espacial, características del microentorno tumoral y subtipos moleculares, y algunos han mostrado un rendimiento pronóstico prometedor en el CECE29,30. Sin embargo, estos enfoques a menudo requieren protocolos de imagen estandarizados, tuberías computacionales avanzadas, muestras de tejido de alta calidad, plataformas de secuenciación o apoyo especializado en bioinformática. En contraste, el CEA, el Ag-CEC y el CA125 se miden rutinariamente en muchos laboratorios clínicos, son relativamente económicos y se pueden repetir durante el seguimiento. Por lo tanto, el valor clínico del presente panel radica en su accesibilidad y compatibilidad con los flujos de trabajo, y no en su capacidad para reemplazar las imágenes, la anatomía patológica, el perfilado molecular o la clasificación TNM.
Los análisis de calibración y de curva de decisión respaldan una traducción clínica cautelosa. El modelo diagnóstico combinado mostró una calibración aceptable tanto en la cohorte de entrenamiento como en la de validación externa, y el análisis de curva de decisión sugirió un beneficio neto positivo en rangos de umbral clínicamente relevantes. El modelo pronóstico integrado también mostró una mejor discriminación y una calibración aceptable en la validación externa. Estos hallazgos son importantes porque los modelos con alta discriminación por sí solos aún pueden estar mal calibrados o ser poco útiles clínicamente31. Al informar el área bajo la curva (AUC), el índice C, calibración, puntuaciones de Brier y resultados de la curva de decisión, este estudio proporciona una evaluación más completa del desempeño del modelo que los estudios que dependen únicamente de métricas de discriminación o de razones de riesgo.
Se deben reconocer varias limitaciones. Aunque el estudio incluyó una validación externa, esta se limitó a dos centros, y la cohorte de validación fue más pequeña que la cohorte de entrenamiento. Los valores de los biomarcadores se midieron únicamente en la línea base previa al tratamiento, por lo que no se evaluaron los cambios longitudinales durante la terapia neoadyuvante, la quimiorradioterapia, la vigilancia posoperatoria ni el monitoreo de recurrencia, aunque las tendencias seriadas de los marcadores tumorales podrían proporcionar información pronóstica adicional32. El panel sérico no se comparó directamente con radiómica, expresión génica, ADN tumoral circulante u otros modelos de biopsia líquida en la misma población de pacientes, y pueden ocurrir elevaciones falsas positivas en condiciones inflamatorias, benignas o con comorbilidades. En resumen, el panel sérico combinado de CEA, SCC-Ag y CA125 ofreció una mejor discriminación diagnóstica que los biomarcadores individuales, se asoció con características clínico-patológicas desfavorables y mejoró la estratificación pronóstica cuando se añadió a las variables clínicas convencionales. Se requiere una validación multicéntrica adicional, evaluaciones seriadas de biomarcadores y comparaciones directas con modelos basados en imágenes y moleculares antes de su implementación clínica rutinaria.
Divulgaciones
Los autores no tienen nada que revelar.
Agradecimientos
Los autores agradecen al personal del Departamento de Medicina de Laboratorio, Hospital Provincial de Medicina China de Jiangsu, Hospital Afiliado de la Universidad de Medicina China de Nanjing y Centro de Servicios de Salud Comunitaria de Nanhu, Nanjing, por su apoyo en la recolección de muestras, pruebas de laboratorio y gestión de datos.
Materiales
| Nombre | Empresa | Número de catálogo | Comentarios |
|---|---|---|---|
| Calibradores Access CEA | Beckman Coulter | 33205 | Calibración para el ensayo de CEA sérico |
| Control de calidad Access CEA | Beckman Coulter | 33029 | Control interno de calidad diario para el ensayo de CEA sérico |
| Paquete de reactivo Access CEA | Beckman Coulter | 33200 | Medición de CEA sérico en el sistema de inmunoensayo UniCel DxI 800 Access |
| Micropipeta ajustable, 100–1000 µL | Eppendorf | 3123000063 | Aliquotación de suero tras la centrifugación |
| Calibradores ARCHITECT CA 125 II | Abbott Diagnostics | 02K4502 | Calibración para el ensayo de CA125 sérico |
| Controles ARCHITECT CA 125 II | Abbott Diagnostics | 02K4511 | Control interno de calidad diario para el ensayo de CA125 sérico |
| Kit de reactivo ARCHITECT CA 125 II | Abbott Diagnostics | 02K4529 | Medición de CA125 sérico en el analizador de inmunoensayo ARCHITECT i2000SR |
| Analizador de inmunoensayo ARCHITECT i2000SR | Abbott Diagnostics | i2000SR | Plataforma automatizada de inmunoensayo quimioluminiscente con micropartículas para pruebas de SCC-Ag y CA125 |
| Calibrador ARCHITECT SCC | Abbott Diagnostics | 8D1801 | Calibración para el ensayo de SCC-Ag sérico |
| Controles ARCHITECT SCC | Abbott Diagnostics | 8D1810 | Control interno de calidad diario para el ensayo de SCC-Ag sérico |
| Kit de reactivo ARCHITECT SCC | Abbott Diagnostics | 8D1828 | Medición de SCC-Ag sérico en el analizador de inmunoensayo ARCHITECT i2000SR |
| Impresora de etiquetas de código de barras | Brady | BMP51 | Etiquetado con código de barras de alícuotas de suero y viales criogénicos |
| Aguja para extracción de sangre | BD Biosciences | 367286 | Recolección de sangre venosa periférica |
| Caja de almacenamiento criogénico | Corning | 431131 | Almacenamiento organizado de alícuotas de suero congeladas |
| Vial criogénico, 2,0 mL, rosca externa, autoestable | Corning | 430659 | Almacenamiento de alícuotas de suero etiquetadas con código de barras a −80 °C |
| Formulario de extracción de datos y diccionario de datos predefinido | Equipo del estudio | No aplicable | Extracción estandarizada de variables clínicas, patológicas, de laboratorio y de seguimiento |
| Paquete dcurves | Paquete R | Versión 0.4.0 | Análisis de curvas de decisión y estimación del beneficio clínico neto |
| Sistema de historial médico electrónico | Hospitales participantes | No aplicable | Extracción de datos demográficos, clínicos, de tratamiento y de seguimiento |
| Puntas filtradas para pipeta, 100–1000 µL | Eppendorf | 30073594 | Aliquotación de suero controlada para evitar contaminación |
| Paquete ggplot2 | Paquete R | Versión 3.5.1 | Visualización estadística y preparación de figuras |
| IBM SPSS Statistics | IBM | Versión 27.0 | Comparaciones basales y verificación estadística complementaria |
| Sistema de gestión de información de laboratorio | Laboratorio del hospital participante | No aplicable | Recuperación y vinculación de registros de pruebas de biomarcadores séricos |
| Paquete mice | Paquete R | Versión 3.16.0 | Imputación múltiple mediante ecuaciones encadenadas |
| Paquete nricens | Paquete R | Versión 1.6 | Análisis de mejora en la reclasificación neta |
| Sistema de informes de patología | Hospitales participantes | No aplicable | Confirmación del diagnóstico de CEE, patología benigna, características del tumor y variables relacionadas con la estadificación |
| Paquete pROC | Paquete R | Versión 1.18.5 | Análisis de curva ROC (característica operativa del receptor) y comparación de DeLong |
| Software estadístico R | Foundation for Statistical Computing R | Versión 4.3.2 | Análisis estadístico, construcción, validación de modelos y generación de figuras |
| Centrífuga refrigerada | Eppendorf | 5810 R | Separación de suero mediante centrifugación a 1.500 x g durante 10 minutos |
| Paquete rms | Paquete R | Versión 6.8-1 | Análisis de calibración, construcción de nomogramas y soporte para modelos de regresión |
| Tubo de extracción de sangre con separación de suero, 5 mL | BD Biosciences | 367955 | Recolección de sangre venosa periférica en ayunas para pruebas de biomarcadores séricos |
| Paquete survival | Paquete R | Versión 3.5-7 | Regresión de riesgos proporcionales de Cox y análisis de supervivencia |
| Paquete survminer | Paquete R | Versión 0.4.9 | Visualización de curvas de Kaplan–Meier |
| Formulario de registro de seguimiento telefónico | Equipo del estudio | No aplicable | Recopilación y verificación de información sobre supervivencia, recurrencia, progresión y última fecha de contacto |
| Paquete timeROC | Paquete R | Versión 0.4 | Análisis de curva ROC dependiente del tiempo |
| Congelador de ultra baja temperatura | Thermo Fisher Scientific | TSX60086A | Almacenamiento de alícuotas de suero a −80 °C |
| Sistema de inmunoensayo UniCel DxI 800 Access | Beckman Coulter | DxI 800 | Plataforma automatizada de inmunoensayo quimioluminiscente para pruebas de CEA sérico |
Referencias
- Bray F, et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2024;74(3):229-263.
- Huang Y, et al. Postoperative serum squamous cell carcinoma antigen and carcinoembryonic antigen predict overall survival in surgical patients with esophageal squamous cell carcinoma. Front Oncol. 2023;13:1263990.
- Pi Y, et al. Validation of serum cystatin SN detection for diagnosis and poor prognosis of esophageal squamous cell carcinoma. Front Oncol. 2024;14:1337707.
- Wang W, et al. A novel molecular and clinical staging model to predict survival for patients with esophageal squamous cell carcinoma. Oncotarget. 2016;7(39):63526-63536.
- Puli SR, et al. Staging accuracy of esophageal cancer by endoscopic ultrasound: A meta-analysis and systematic review. World J Gastroenterol. 2008;14(10):1479-1490.
- Li T, et al. ESCCPred: A machine learning model for diagnostic prediction of early esophageal squamous cell carcinoma using autoantibody profiles. Br J Cancer. 2024;131(5):883-894.
- Guo JC, et al. Protein-coding genes combined with long noncoding RNA as a novel transcriptome molecular staging model to predict the survival of patients with esophageal squamous cell carcinoma. Cancer Commun. 2018;38(1):4.
- Kosugi S, et al. Clinical significance of serum carcinoembryonic antigen, carbohydrate antigen 19-9, and squamous cell carcinoma antigen levels in esophageal cancer patients. World J Surg. 2004;28(7):680-685.
- Huang C, et al. Clinical significance of serum CA125, CA19-9, CA72-4, and fibrinogen-to-lymphocyte ratio in gastric cancer with peritoneal dissemination. Front Oncol. 2019;9:1159.
- Yang Y, et al. Clinical use of tumor biomarkers in prediction for prognosis and chemotherapeutic effect in esophageal squamous cell carcinoma. BMC Cancer. 2019;19(1):526.
- Wu LL, et al. Preoperative squamous cell carcinoma antigen and albumin serum levels predict the survival of patients with stage T1-3N0M0 esophageal squamous cell carcinoma: A retrospective observational study. J Cardiothorac Surg. 2020;15(1):115.
- Wu LL, et al. Prognostic modeling of patients undergoing surgery alone for esophageal squamous cell carcinoma: A histopathological and computed tomography based quantitative analysis. Front Oncol. 2021;11:565755.
- World Medical Association. World Medical Association Declaration of Helsinki: Ethical principles for medical research involving human participants. JAMA. 2025;333(1):71-74.
- Moons KGM, et al. Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis (TRIPOD): Explanation and elaboration. Ann Intern Med. 2015;162(1):W1-W73.
- Riley RD, et al. Calculating the sample size required for developing a clinical prediction model. BMJ. 2020;368:m441.
- Amin MB, et al., editors. AJCC Cancer Staging Manual. 8th ed. New York, NY: Springer; 2017.
- Rubin DB. Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons; New York; 1987.
- DeLong ER, DeLong DM, Clarke-Pearson DL. Comparing the areas under two or more correlated receiver operating characteristic curves: A nonparametric approach. Biometrics. 1988;44(3):837-845.
- Vickers AJ, Elkin EB. Decision curve analysis: A novel method for evaluating prediction models. Med Decis Making. 2006;26(6):565-574.
- Harrell FE Jr, Lee KL, Mark DB. Multivariable prognostic models: Issues in developing models, evaluating assumptions and adequacy, and measuring and reducing errors. Stat Med. 1996;15(4):361-387.
- Schoenfeld D. Partial residuals for the proportional hazards regression model. Biometrika. 1982;69(1):239-241.
- Royston P, Altman DG. External validation of a Cox prognostic model: Principles and methods. BMC Med Res Methodol. 2013;13:33.
- Mao W, et al. Clinical significance of preoperative serum tumor markers in esophageal squamous cell carcinoma. J Cancer Res Ther. 2014;10(Suppl):C179-C185.
- Hu J, et al. Prognostic significance of serum carcinoembryonic antigen and squamous cell carcinoma antigen in patients with esophageal squamous cell carcinoma undergoing radical esophagectomy. Transl Cancer Res. 2020;9(4):2460-2471.
- Mei X, et al. Predictive significance of CYFRA21-1, squamous cell carcinoma antigen and carcinoembryonic antigen for lymph node metastasis in patients with esophageal squamous cancer. Int J Biol Markers. 2019;34(2):200-204.
- Shimada H, et al. Prediction of survival with squamous cell carcinoma antigen in patients with resectable esophageal squamous cell carcinoma. Surgery. 2003;133(5):486-494.
- Rice TW, Patil DT, Blackstone EH. 8th edition AJCC/UICC staging of cancers of the esophagus and esophagogastric junction: Application to clinical practice. Ann Cardiothorac Surg. 2017;6(2):119-130.
- Qiao Y, et al. Tumor marker index based on preoperative SCC and CYFRA 21-1 is a significant prognostic factor for patients with resectable esophageal squamous cell carcinoma. Cancer Biomark. 2019;25(3):243-250.
- Yang M, et al. Computed tomography-based radiomics in predicting T stage and length of esophageal squamous cell carcinoma. Front Oncol. 2021;11:722961.
- Ye J, et al. Development and validation of a ferroptosis-related gene signature and nomogram for predicting the prognosis of esophageal squamous cell carcinoma. Front Genet. 2021;12:697524.
- Van Calster B, Vickers AJ. Calibration of risk prediction models: Impact on decision-analytic performance. Med Decis Making. 2015;35(2):162-169.
- Hong Z, et al. Prognostic value of carcinoembryonic antigen changes before and after operation for esophageal squamous cell carcinoma. World J Surg. 2022;46(11):2725-2732.