Video Experimental Relacionado
Updated: Feb 12, 2026

Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
Una puntuación compuesta de marcadores inmunonutricionales y tumorales predice los resultados en LA-ESCC tratados con
Yiwei Fan1, Jiang Zhou1, Xiaotian Liu1
1Northern Jiangsu People's Hospital Affiliated to Yangzhou University, Yangzhou, 225001, China.
Un nuevo biomarcador compuesto, la puntuación GCF, que combina GINI, CYFRA 21-1 y FARI, es prometedor para predecir la supervivencia y la respuesta patológica en pacientes con carcinoma de células escamosas esofágicas localmente avanzado tratados con quimioinmunoterapia neoadyuvante.
Área de la Ciencia:
- Oncología Oncología.
- El descubrimiento de biomarcadores.
- Investigación traslacional Investigación traslacional.
Sus antecedentes:
- La quimioinmunoterapia neoadyuvante (nCIT) mejora los resultados para el carcinoma de células escamosas esofágicas localmente avanzado (LA-ESCC).
- Los biomarcadores predictivos para la supervivencia y la respuesta patológica después de nCIT son limitados.
- Este estudio evalúa el Índice Inmunonutricional Global (GINI), el fragmento de citoqueratina-19 (CYFRA 21-1), y el índice de relación fibrinógeno-álbumina (FARI) como biomarcadores potenciales.
Objetivo del estudio:
- Para evaluar el valor pronóstico y predictivo de GINI, CYFRA 21-1, FARI y una puntuación compuesta de GCF en pacientes de LA-ESCC.
- Para determinar la asociación de estos marcadores con la supervivencia libre de enfermedad (DFS) y la respuesta patológica.
- Para evaluar el rendimiento de un nomograma que incorpora la puntuación del GCF para predecir resultados.
Principales métodos:
- Análisis retrospectivo de 138 pacientes de LA-ESCC tratados con nCIT y cirugía.
- Determinación de los valores óptimos de corte para GINI, CYFRA 21-1 y FARI utilizando el software X-tile.
- Análisis de Kaplan-Meier, regresión de Cox y curvas ROC dependientes del tiempo para la predicción de la supervivencia; regresión logística y nomograma para la predicción de la respuesta patológica.
Principales resultados:
- Las puntuaciones elevadas de GINI, CYFRA 21-1, FARI y GCF más altas se asociaron con un peor DFS.
- La puntuación del GCF predijo de forma independiente el DFS (HR=0.264, p=0.028) y la respuesta patológica (OR=2.170, p=0.048).
- Un nomograma que incluía la puntuación GCF mejoró significativamente la predicción de la respuesta patológica en comparación con los modelos sin ella (AUC: 0,787 frente a 0,662).
Conclusiones:
- La puntuación GCF, un compuesto de GINI, CYFRA 21-1 y FARI, es un predictor independiente de DFS y respuesta patológica en LA-ESCC.
- La puntuación del GCF muestra potencial como un biomarcador práctico basado en la sangre para la estratificación del riesgo.
- La integración de la puntuación del GCF mejora el rendimiento del modelo predictivo para el manejo individualizado del paciente.
Más Videos Relacionados
Videos de Conceptos Relacionados
Predicting Reaction Outcomes
The Roles of Bacteria and Fungi in Plant Nutrition
Introduction to z Scores
z scores...
Introduction to z Scores
z scores...
z Scores and Area Under the Curve
Classifying Matter by Composition
According to its composition, the matter can be classified into two broad categories — pure substances and mixtures.
A pure substance is a form of matter that has a constant composition throughout with uniform properties. For example, any sample of sucrose has the same composition and same physical properties, such as melting point, color, and sweetness, regardless of the source from which it is isolated.
A mixture is composed of two or...

