Un método sencillo para combinar múltiples biomarcadores moleculares para la clasificación diagnóstica dicotómica

ANTECEDENTES: A pesar del reconocido potencial diagnóstico de los biomarcadores, la búsqueda por eliminar el ruido y extraer información de un conjunto de biomarcadores dado continúa. Aquí, sugerimos un algoritmo estadístico que, asumiendo que cada biomarcador molecular es una prueba diagnóstica, enriquece el rendimiento diagnóstico de un conjunto optimizado de biomarcadores independientes empleando técnicas estadísticas establecidas. Validamos el algoritmo propuesto utilizando varios conjuntos de datos de simulación además de cuatro conjuntos de datos reales disponibles públicamente que compararon i) sujetos con cáncer con aquellos sin; ii) sujetos con dos tipos diferentes de cáncer; iii) sujetos con dos tipos diferentes de un cáncer; y iv) sujetos con el mismo cáncer que resultaron en un tiempo diferencial hasta la metastasis. RESULTADOS: Nuestro algoritmo comprende tres pasos: estimar el área bajo la curva característica de operación del receptor para cada biomarcador, identificar un subconjunto de biomarcadores utilizando regresión lineal y combinar los biomarcadores seleccionados usando análisis de funciones discriminantes lineales. Combinando estos métodos estadísticos establecidos que están disponibles en la mayoría de los paquetes estadísticos, observamos que la precisión diagnóstica de nuestro enfoque fue del 100%, 99.94%, 96.67% y 93.92% para los conjuntos de datos reales utilizados en el estudio. Estas estimaciones eran comparables o mejores que las reportadas anteriormente usando métodos alternativos. En un conjunto de datos sintético, también observamos que todos los biomarcadores seleccionados por nuestro algoritmo estaban en realidad expresados diferencialmente. CONCLUSIÓN: El algoritmo propuesto puede ser utilizado para un diagnóstico preciso en el contexto de la clasificación dicotómica de estados de enfermedad.