COLOFIT y el cáncer colorrectal

Los modelos COLOFIT incluían FIT, edad, sexo, recuento de plaquetas (PLT) y volumen celular medio (MCV) como predictores para estimar el riesgo de cáncer colorrectal (CCR)(1):

• El rendimiento de COLOFIT a lo largo del tiempo varió significativamente en el conjunto de datos de Nottingham: COLOFIT produjo una reducción del 4,6% en las remisiones en los datos de derivación del modelo y una reducción del 20,2% en los datos más recientes de validación interna de Nottingham

Los resultados de FIT ≥ 10 µg de hemoglobina por gramo de heces suelen desencadenar la derivación, con una sensibilidad aproximada del 90% para el CCR (2):

• sin embargo, aproximadamente 10 de cada 11 pacientes con un FIT positivo remitidos para la investigación de un posible CCR no tienen cáncer

Tamm et al investigaron si COLOFIT podía reducir el número de pacientes remitidos para investigación urgente de cáncer colorrectal en comparación con la práctica estándar de remitir a pacientes con FIT ≥ 10 µg/g, sin omitir cánceres en comparación con FIT:

• validó externamente COLOFIT en un gran conjunto de datos de FIT solicitados por GP en el mundo real de 51.477 pacientes, centrándose en una métrica clínicamente relevante: el cambio en la proporción de pacientes elegibles para derivación sin diagnósticos de cáncer colorrectal faltantes en comparación con el uso de FIT ≥ 10 µg/g solo.
  • descubrió que COLOFIT habría dado lugar a una reducción del 8% en las derivaciones a lo largo del periodo de estudio y entre una reducción del 23% y un aumento del 2% en función del periodo de tiempo
    • la variación demostró el papel del aumento de las tasas de pruebas y las características de la población en el rendimiento del modelo
• el rendimiento de COLOFIT varió con el tiempo a medida que aumentaron las tasas de pruebas de Oxfordshire incorporando pacientes sintomáticos de mayor riesgo con hemorragia rectal o sangre en las heces
  • se observó que un umbral de derivación COLOFIT puede no ser directamente transferible si se estima utilizando datos de otro entorno, o en datos de un periodo de tiempo anterior del mismo entorno si la población sometida a pruebas está cambiando
  • el entorno óptimo para la implantación de COLOFIT sería una población similar a la población original derivada de Nottingham, una población de "riesgo amplio" que incluyera tasas estables de síntomas de cáncer colorrectal tanto de "bajo riesgo" como de "alto riesgo" y que utilizara un kit de recogida de heces tamponado
  • recomendaciones para la aplicación de COLOFIT en nuevos entornos:
    1. La validación utilizando datos locales sería el enfoque óptimo cuando sea factible y los datos locales estén fácilmente disponibles. Antes de utilizar COLOFIT para cambiar la atención al paciente, el modelo se validaría con datos locales para identificar el umbral de derivación que reduce las derivaciones sin omitir cánceres en comparación con FIT. Esto podría hacerse de forma retrospectiva en los sistemas en los que ya se ha utilizado FIT, y las otras variables del modelo podrían recuperarse, o de forma prospectiva ejecutando el modelo de forma pasiva durante un periodo de tiempo mientras se acumulan los datos.
    2. COLOFIT puede aplicarse antes de la validación local si no se dispone de datos para evaluar el modelo antes de la aplicación en las siguientes condiciones: La positividad de FIT es de al menos el 17% y la tasa de cáncer colorrectal se aproxima al 1,3-1,6%. Sin validación local, COLOFIT puede pasar por alto un pequeño número de cánceres y podría no reducir las derivaciones en relación con FIT.
    3. Supervisar el rendimiento de COLOFIT tras su implantación. El rendimiento de COLOFIT puede variar con el tiempo en función de los cambios en la población evaluada. El umbral óptimo de puntuación de riesgo para indicar una derivación cambiará en consecuencia con el tiempo. COLOFIT debe revalidarse periódicamente con datos locales para comprender los cambios en la población analizada y volver a calcular un umbral de riesgo a medida que se disponga de nuevos datos. De este modo, se reducirá la probabilidad de que se pasen por alto cánceres, al tiempo que se mantiene la reducción máxima de remisiones.

Referencia:

1. Crooks CJ et al. COLOFIT: Development and Internal-External Validation of Models Using Age, Sex, Faecal Immunochemical and Blood Tests to Optimise Diagnosis of Colorectal Cancer in Symptomatic Patients. Aliment Pharmacol Ther. 2025 Mar;61(5):852-864.
2. Tamm A et al. External validation of the COLOFIT colorectal cancer risk prediction model in the Oxford-FIT dataset: the importance of population characteristics and clinically relevant evaluation metrics. BMC Med. 2025 Aug 27;23(1):503.