I metaboliti del sangue rilevano il cancro colorettale con il 97% di accuratezza tramite machine learning

Il carcinoma colorettale (CRC) è la seconda causa di morte per cancro a livello mondiale, eppure la diagnosi precoce rimane difficile da raggiungere a causa dell'invasività e della complessità dei metodi di screening attuali, come la colonscopia e il test del DNA fecale. Questo studio si proponeva di determinare se i profili dei metaboliti sierici potessero costituire una piattaforma diagnostica sensibile e non invasiva, e se la loro integrazione con dati epigenetici avrebbe migliorato significativamente l'accuratezza diagnostica.

I ricercatori hanno arruolato 715 partecipanti presso lo Zhuhai People's Hospital (2020–2023), tra cui 248 pazienti con CRC confermato istopatologicamente negli stadi TNM I–IV e 467 controlli sani confermati tramite colonscopia. I gruppi erano ben bilanciati per età, sesso e BMI. Il sangue è stato raccolto dopo un digiuno di 12–14 ore e il siero è stato sottoposto a profilazione metabolomica non mirata mediante UPLC accoppiato a spettrometria di massa QTOF. I dati grezzi sono stati elaborati con XCMS e i metaboliti sono stati annotati utilizzando i database HMDB e KEGG. Dopo il filtraggio per il controllo qualità, l'analisi OPLS-DA e il test di Wilcoxon rank-sum (FDR < 0,05, VIP > 1) hanno identificato 26 metaboliti sierici endogeni significativamente disregolati nei pazienti con CRC.

L'analisi di arricchimento delle vie metaboliche ha rivelato che i metaboliti alterati erano riconducibili principalmente alla biosintesi degli acidi biliari primari e al metabolismo della taurina/ipotaurina — vie metaboliche note per essere modulate dal microbiota intestinale e implicate nella carcinogenesi del CRC. Questo risultato supporta l'ipotesi che il crosstalk metabolico tra ospite e microbioma svolga un ruolo meccanicistico centrale nello sviluppo del CRC. Un sottoinsieme di 10 metaboliti chiave è stato quindi utilizzato per addestrare quattro classificatori di machine learning: Support Vector Machine, Random Forest, XGBoost e Logistic Regression. Tutti e quattro i modelli hanno mostrato prestazioni eccezionali, raggiungendo valori AUROC di 0,96–0,97 e un'accuratezza di classificazione fino al 92,5%, superando in modo sostanziale i biomarcatori convenzionali come CEA e CA19-9.

Per valutare se i dati epigenetici potessero migliorare la capacità diagnostica, è stato eseguito il sequenziamento bisolfito mirato del DNA libero circolante (cfDNA) su un sottogruppo di 197 campioni. Un classificatore multi-omico che integrava sia le caratteristiche dei metaboliti sia quelle della metilazione ha raggiunto un AUROC di 0,98 — un guadagno modesto ma incrementale rispetto alla sola metabolomica. Ciò suggerisce che la metabolomica rappresenta il segnale dominante, mentre la metilazione apporta solo un valore aggiuntivo marginale in questa coorte.

È importante sottolineare che il modello metabolomico ha mantenuto prestazioni solide attraverso gli stadi precoci del CRC, sebbene le analisi per sottogruppi specifici di stadio non siano state descritte in dettaglio. L'ampia dimensione del campione dello studio, la rigorosa normalizzazione del controllo qualità e l'utilizzo di molteplici framework di machine learning rafforzano la fiducia in questi risultati. Tuttavia, una validazione esterna in coorti multicentriche indipendenti e studi di screening prospettici sarà indispensabile prima di un'adozione clinica.