La biopsia líquida con IA detecta cáncer en sangre con fracciones tumorales extraordinariamente bajas

La biopsia líquida oncológica —detección de señales tumorales en sangre— alberga un enorme potencial para la detección temprana y el seguimiento del cáncer, pero los métodos actuales presentan dificultades cuando el DNA derivado del tumor representa solo una fracción mínima del DNA libre circulante (cfDNA). Los enfoques dirigidos basados en información tumoral ofrecen alta especificidad, pero no detectan la evolución del tumor ni la resistencia adquirida. Los métodos genómicos globales no dependientes del tumor aumentan la sensibilidad, pero sacrifican la especificidad, especialmente con fracciones tumorales bajas. Un método robusto que se generalice entre laboratorios y plataformas de secuenciación ha permanecido fuera del alcance.

Los autores desarrollaron Fate-AI (Fragmentomics Analysis for Tumor Evaluation with AI), un marco multimodal que integra características fragmentómicas y derivadas de metilación a partir de dos ensayos complementarios: secuenciación de genoma completo de bajo paso (LPWGS) y secuenciación de DNA metilado libre de células por inmunoprecipitación (cfMeDIP-seq). La innovación clave es una estrategia de selección de características basada en el conocimiento, que se centra en regiones genómicas recurrentemente alteradas en el cáncer —incluyendo puntos críticos de alteración del número de copias y loci de metilación tejido-específicos— en lugar de analizar el genoma completo de forma indiscriminada. Esto replica la especificidad de los enfoques informados por el tumor, manteniendo al mismo tiempo la amplitud de los métodos independientes del tumor.

Un avance metodológico central es una normalización de Distribución Diferencial de Fragmentos (FDD) por muestra, que calcula la diferencia en las distribuciones de longitud de fragmentos entre regiones genómicas frecuentemente amplificadas frente a frecuentemente delecionadas dentro de la misma muestra. En muestras de cáncer, la FDD mostró una modulación pronunciada en fase opuesta: una desviación positiva con un pico en ~140 bp (DNA mononucleosomal sin enlazador) y una desviación negativa en ~170 bp. Los controles sanos mostraron perfiles casi planos. Dado que esta normalización es interna a cada muestra, cancela en gran medida los efectos de lote derivados de distintos centros de secuenciación, lotes de reactivos y protocolos —un problema persistente que ha socavado la generalizabilidad entre cohortes de métodos anteriores.

El estudio evaluó Fate-AI en 1.219 muestras de plasma en total: 432 casos perfilados nuevamente (280 con ambos ensayos realizados), más 787 muestras procedentes de cuatro conjuntos de datos publicados independientes que abarcaban cánceres colorrectal, de pulmón, de mama, de próstata, carcinoma de células renales, melanoma, pancreático, sarcoma de Ewing, mesotelioma y mieloma múltiple. En experimentos de dilución en serie, Fate-AI detectó señales derivadas del tumor con fracciones tumorales tan bajas como 10⁻⁵ —una molécula de DNA tumoral en 100.000— sustancialmente por debajo de los comparadores de vanguardia. En la clasificación del tejido de origen, los AUC oscilaron entre 0,84 y 0,97 en seis tipos de cáncer. El seguimiento longitudinal mostró que las puntuaciones de Fate-AI se correlacionan con el estadio de la enfermedad y anticipan la recaída clínica por meses antes de que la progresión fuera evidente mediante imágenes o criterios clínicos.

Las implicaciones clínicas son significativas. La detección del cáncer en estadios tempranos depende actualmente de estudios de imagen y biopsias invasivas; una prueba de sangre con esta sensibilidad podría permitir el cribado poblacional y el seguimiento de la enfermedad mínima residual (MRD) tras el tratamiento. La generalizabilidad entre cohortes —validada en muestras de múltiples laboratorios independientes en Italia y Estados Unidos— es especialmente importante para la implementación en el mundo real. Las limitaciones incluyen el estatus de preprint de este trabajo (aún no revisado por pares), el carácter retrospectivo de la mayoría de las cohortes, datos de ensayos pareados incompletos para todas las muestras, y la necesidad de estudios de validación prospectivos antes de su adopción clínica.