Tendencias futuras en biomarcadores oncológicos: de la β-hcg a la genómica y
proteómica
Future trends in cancer biomarkers: from beta-hcg to genomics and proteomics
Josselyn Mendoza Macías
https://orcid.org/0000-0002-9325-2017
josselyni.mendoza@uleam.edu.ec
Universidad Laica Eloy Alfaro de Manabí, Ecuador
Carlos Jared Intriago López
https://orcid.org/0009-0004-1040-4591
carlosjail2112@gmail.com
Universidad Laica Eloy Alfaro de Manabí, Ecuador
Higor Giovanni Chávez Párraga
https://orcid.org/0009-0005-0641-5025
higorchavezp13@gmail.com
Universidad Laica Eloy Alfaro de Manabí, Ecuador
Anthony Javier Naranjo Salguero
https://orcid.org/0009-0004-1269-4385
anthonyn710420@gmail.com
Universidad Laica Eloy Alfaro de Manabí, Ecuador
https://doi.org/10.56124/saludcm.v5i9.006
RESUMEN
En el diagnóstico de cáncer, a pesar de que los biomarcadores tradicionales han
desempeñado un papel importante en su manejo, presentan limitaciones que generan interés
por nuevas alternativas. Objetivo: Analizar las tendencias futuras en el desarrollo de
biomarcadores oncológicos, explorando cómo las tecnologías genómicas y proteómicas
complementan o sustituyen a los marcadores tradicionales como la β-hCG. Materiales y
métodos: Se realizó una revisión sistemática siguiendo la metodología PRISMA, mediante
búsquedas en las bases de datos Nature, PubMed, ScienceDirect y SpringerLink. De un total
de 711 registros, se aplicaron criterios de identificación, selección, elegibilidad e inclusión
según PRISMA, obteniéndose finalmente 21 artículos para el análisis. Resultados: Se obtuvo
que los biomarcadores genómicos, proteómicos y multi-ómicos permiten caracterizar la
heterogeneidad tumoral con mayor exactitud, optimizar la selección terapéutica y mejorar la
estratificación de los pacientes. Conclusión: La integración de datos de DNA-seq, RNA-seq,
proteómica, inmunología tumoral, patología digital y biopsia líquida representa el futuro del
diagnóstico oncológico, aunque persisten retos en estandarización, validación clínica,
accesibilidad y costo-efectividad, por lo que se requieren estudios adicionales para consolidar
la adopción de estas tecnologías emergentes en la práctica clínica rutinaria.
Palabras clave: futuras tendencias; biomarcadores; proteómica; genómica; oncológico
ABSTRACT
In cancer diagnosis, although traditional biomarkers have played an important role in
management, they have limitations that have generated interest in new alternatives. Objective:
To analyze future trends in the development of cancer biomarkers, exploring how genomic and
proteomic technologies complement or replace traditional markers such as β-hCG. Materials
and methods: A systematic review was conducted following the PRISMA methodology, using
searches in the Nature, PubMed, ScienceDirect, and SpringerLink databases. From a total of
711 records, PRISMA identification, selection, eligibility, and inclusion criteria were applied,
resulting in 21 articles for analysis. Results: Genomic, proteomic, and multi-omic biomarkers
were found to allow for more accurate characterization of tumor heterogeneity, optimize
therapeutic selection, and improve patient stratification. Conclusion: The integration of data
from DNA-seq, RNA-seq, proteomics, tumor immunology, digital pathology, and liquid biopsy
represents the future of cancer diagnosis, although challenges persist in standardization,
clinical validation, accessibility, and cost-effectiveness, so further studies are required to
consolidate the adoption of these emerging technologies in routine clinical practice.
Keywords: future trends; biomarkers; proteomics; genomics; oncology
Recibido: 15-11-2025 Aceptado: 13-03-2026 Publicado: 23-07-2026
INTRODUCCIÓN
La carga del cáncer aumenta constantemente en todo el mundo, y sigue siendo la principal
causa de mortalidad prematura en muchos países, por lo que los biomarcadores tumorales se
han consolidado cada vez más como factores claves en el diagnóstico, tratamiento y pronóstico
del desarrollo de neoplasias, e incluso han sido mencionados como factores útiles en la
prevención de estas (1).
Un biomarcador es cualquier marcador biológico presente en la sangre, los fluidos
corporales o los tejidos que indica la presencia de procesos biológicos normales o anormales,
afecciones o enfermedades (2). A lo largo de las últimas décadas, a pesar de que los
marcadores séricos como la β-hCG, la alfafetoproteína (AFP) o el antígeno prostático
específico (PSA) han sido herramientas valiosas estos también se ven limitados por factores
como su baja especificidad y la variabilidad interindividual que limita su eficacia como
herramientas predictivas (3).
Las tendencias futuras en biomarcadores oncológicos incluyen una evolución desde
marcadores clásicos como la β-HCG hacia enfoques más avanzados en genómica y
proteómica. La β-hCG, una hormona glicoproteica, ha sido un marcador tumoral conocido
asociado con diversos cánceres, aunque presenta limitaciones en especificidad y sensibilidad,
por lo que se usa junto a otros exámenes clínicos (2). Sin embargo, la investigación actual está
enfocándose en biomarcadores moleculares más complejo como aquellos que estudian
cambios en ADN, ARN, microARN, ARNm y proteínas mediante tecnologías como
secuenciación de próxima generación (NGS), proteómica y análisis de microambientes
tumorales para detectar mutaciones, activación de vías moleculares y progresión tumoral (4).
Todos estos avances oncológicos representan mayores opciones de diagnóstico y manejo
del cáncer, así como genera una mayor comprensión de cómo funcionan las neoplasias y los
distintos componentes que influyen en esta desde una perspectiva molecular y génetica.
Comprender la evidencia actual de los avances en biomarcadores oncológicos es de gran
importancia para la implementación de técnica eficaces y más precisas que ayuden a entender
el cáncer, su evolución y de esta forma mejorar el diagnóstico y tratamiento (2). Bajo este
contexto, este estudio tiene como objetivo analizar las tendencias futuras en el desarrollo de
biomarcadores oncológicos, explorando cómo las tecnologías genómicas y proteómicas
complementan o sustituyen a los marcadores tradicionales como la β-hCG.
MATERIALES Y MÉTODOS
Esta investigación se llevó a cabo siguiendo la metodología PRISMA como una
herramienta de selección, evaluación y análisis de los estudios ya que cuenta con las etapas
de identificación, selección, elegibilidad e inclusión. Para la búsqueda de fuentes bibliográficas
se utilizaron las bases de datos de Nature, PubMed, Science Direct y Springer Link en la cual
se buscó información sobre “Tendencias futuras en biomarcadores oncológicos: de la β-hcg a
la genómica y proteómica”. En este caso, se empleó como estrategia de búsqueda “(tendencias
futuras OR marcadores emergentes) AND (biomarcadores OR genómica OR proteómica) AND
(Oncológicos OR enfermedades oncológicas OR cáncer)”. Los criterios de inclusión incluyeron
artículos publicados entre 2020 a 2025, documentos de artículos de revisión y originales,
artículos en español e inglés, así como artículos de acceso abierto o disponibles. Como
resultado se obtuvo un total de 711 artículos académicos extraídos de las bases de datos
mencionadas.
RESULTADOS
A partir de la revisión de las 711 referencias obtenidas se obtuvo un total de 21 artículos al
aplicar la metodología PRISMA como se observa en la Figura 1.
Figura 1. Resultados de la búsqueda y proceso de selección e inclusión del estudio.
Una vez seleccionados los artículos se pudieron construir las bases teóricas
dividiéndolas en líneas y sublíneas de investigación.
Fundamentos y limitaciones de los marcadores tradicionales
Los marcadores de cáncer también conocidos como marcadores tumorales son
sustancias que se pueden encontrar en el cuerpo y normalmente en la sangre, la orina o los
tejidos los cuales se utilizan para ayudar en el diagnóstico y el seguimiento del cáncer (5).
Estos marcadores pueden ser desde proteínas hasta genes u otras moléculas y se los suele
dividir entre marcadores séricos y marcadores moleculares los cuales a su vez pueden ser
producidos por las células cancerosas o por el cuerpo en respuesta al cáncer y su
especificidad y eficacia pueden variar significativamente (6). A continuación, se resumen los
principales biomarcadores utilizados en la medicina contemporánea y las limitaciones
destacan en estos.
Marcadores séricos: En primer lugar, dentro de los marcadores séricos destaca la β-
hCG y la alfafetoproteína (AFP) los cuales son de gran relevancia en cuanto al diagnóstico,
estadificación y seguimiento de tumores de células germinales. La β-hCG se eleva levemente
en los seminomas y en tumores no seminomatosos, pero se ha demostrado que refleja falsos
positivos en los casos de hipogonadismo y consumo de cannabis (7). Por su parte, la AFP
aumenta sobre todo en tumor del saco vitelino y en algunos carcinomas embrionarios, no se
eleva en seminomas puros y refleja falsos positivos en las hepatopatías (1). Estos
biomarcadores han demostrado limitaciones ya que solo 15% de seminomas y 50–60% de
tumores no seminomatosos presentan elevación por lo que su interpretación siempre debe
incluir clínica e imagen (8).
Por otro lado, el antígeno prostático específico (PSA), se considera el mejor marcador
sérico disponible para cáncer de próstata y es muy útil en cribado, diagnóstico, seguimiento y
detección de recurrencia, pero su limitación radica en que también se eleva en prostatitis e
hiperplasia benigna (9). El antígeno carcinoembrionario (CEA) se utiliza principalmente para
el seguimiento y pronóstico del cáncer colorrectal, pero, no sirve para diagnóstico inicial por
baja especificidad por lo que los niveles elevados se relacionan con mayor invasión linfática,
estadios avanzados y peor pronóstico (10).
Otros marcadores séricos incluyen al lactato deshidrogenasa (LDH) el cuál es un
marcador inespecífico de daño tisular y alta proliferación que se encuentra asociado
comúnmente con enfermedad avanzada en linfomas y tumores germinales y tiene un valor
más significativo para el pronóstico que para el diagnóstico (11). Así mismo, la enolasa
neuronal específica (NSE) es un biomarcador de tipo sérico que es útil en tumores
neuroendocrinos, cáncer de pulmón de células pequeñas, neuroblastoma y en los casos de
cáncer colorrectal se asocia con metástasis y peor pronóstico, en cuanto a su sensibilidad esta
ha demostrado ser moderada la cual a su vez mejora al combinarlo con otros marcadores (7).
Dentro de los marcadores ginecológicos y gastrointestinales tradicionales son de gran
relevancia los antígenos tumorales como CA 125 que es el más usado en cáncer de ovario
epitelial y tiene mejor utilidad en cuanto al seguimiento y recurrencia, pero es sensible en
estadios avanzados (75–92%) mientras que menos sensible en iniciales (≈50%) y se eleva
también en otros tumores y enfermedades benignas (1)(2). El CA 19-9 por su parte se asocia
principalmente al cáncer de páncreas y vías biliares y se usa preferentemente en el
seguimiento y pronóstico elevándose también en tumores GI, pulmonares, ginecológicos y
condiciones benignas (1,12). Finalmente, el CA 15-3 se usa en el seguimiento y recurrencia
en cáncer de mama en los que presenta una sensibilidad y especificidad limitadas pero alta
especificidad en derrames pleurales malignos, pero baja sensibilidad (8).
Marcadores moleculares: Los marcadores moleculares incluyen genes, proteínas o
metabolitos que muestran alteraciones específicas en células tumorales. El biomarcador
EGFR por su parte es útil en cáncer colorrectal en cáncer de pulmón (12). Por otro lado, los
receptores hormonales ER/PR son de utilidad en cáncer de mama determinando la
sensibilidad a terapia endocrina considerándose también la base para definir subtipos
moleculares (13). Los HER2 presentan una sobreexpresión en cáncer de mama y gástrico
permitiendo usar trastuzumab y otras terapias dirigidas y son una determinación obligatoria en
el algoritmo diagnóstico (13,14). Por otro lado, el Ki-67 índice de proliferación con niveles altos
indica tumores más agresivos y mejor respuesta a quimioterapia y los valores extremos (<5%
o >30%) son los más confiables (5). Otro biomarcador utilizado es el KRAS/NRAS, el cual
indica mutaciones como resistencia absoluta a anti-EGFR en cáncer colorrectal y tienen valor
pronóstico y terapéutico también en cáncer de pulmón(12,15). Mientras que el biomarcador
BRAF es específico de cáncer colorrectal asociándolo a un mal pronóstico y menor respuesta
a anti-EGFR y en melanoma permite uso de inhibidores de BRAF (15).
ALK y ROS1 son fusiones presentes en NSCLC, especialmente adenocarcinomas y
permiten tratamiento con crizotinib y otros TKIs. Los BRCA1/2 están implicados en cáncer de
mama, ovario, páncreas y próstata y predicen respuesta a inhibidores PARP y sensibilidad a
platinos y también se consideran Importantes para riesgo hereditario y asesoramiento genético
(14). Por otro lado, el TP53 indica mutaciones frecuentes en múltiples cánceres que se asocian
a mayor agresividad y peor pronóstico asociándole también un valor predictivo variable según
el tumor (16). Otro biomarcador molecular empleado es el PD-L1 el cual indica principalmente
respuesta a inmunoterapia (anti-PD-1/PD-L1) y es obligatorio en NSCLC para decidir
tratamiento de primera línea y en cáncer de mama triple negativo define uso de pembrolizumab
(17).
El IDH1/IDH2 es clave en gliomas distinguiendo subtipos moleculares con diferente
pronóstico y en LMA permite uso de inhibidores como ivosidenib (IDH1) y enasidenib (IDH2),
mientras que, en gliomas, IDH-mutado es indicativo a mejor supervivencia (2). Finalmente, el
NTRK es poco frecuentes, pero altamente accionables permitiendo usar inhibidores TRK
(larotrectinib, entrectinib) independientemente del tipo de tumor siento estos importantes en
ciertos tumores raros (fibrosarcoma infantil, carcinomas secretores) (18).
Limitaciones: Tanto los biomarcadores séricos como moleculares utilizados
actualmente suelen mostrar baja sensibilidad y especificidad limitando su alor diagnóstico
debido a la baja sensibilidad y especificidad (6). Además, su implementación e integración se
ve afectada porque muchos de estos no se correlacionan de manera consistente con los
hallazgos de tejido ni con las imágenes (1). A esto se suma que gran parte de los
biomarcadores disponibles carecen de validación en estudios prospectivos y no cuentan con
estandarización suficiente en técnicas como inmunohistoquímica, generando variabilidad inter
observador (4). Además, no existen biomarcadores que funcionen como verdaderos sustitutos
de desenlaces clínicos, lo que limita su uso como indicadores de eficacia terapéutica.
Finalmente, el alto costo y la falta de evidencia clara sobre su costo-efectividad dificultan su
implementación sistemática en la práctica médica (7).
Nuevas tendencias moleculares en oncología
Dentro de las tecnologías avanzadas de diagnóstico de cáncer se encuentran WES,
WGS y RNA-Seq las cuales que permiten identificar las mutaciones accionables, fusiones
génicas, alteraciones en el número de copias, variantes de splicing y vías desreguladas(19).
Es importante destacar que biomarcadores complejos entre los cuales se incluyen HRD, TMB
y MSI los cuales se aplican al tejido permiten orientar la clasificación tumoral centrada en las
alteraciones genéticas más que en el órgano de origen, lo que se fortalece también gracias a
la multi-ómicas que integra genómica, transcriptómica, proteómica, epigenética y
metabolómica para ofrecer una visión global del tumor y su microambiente (6).
Dentro de estos avances en diagnóstico, también se encuentra la biopsia líquida que se
encuentra basada en ctDNA, CTCs y exosomas y permite la detección precoz, el monitoreo
dinámico y la identificación temprana de resistencia, mientras que los paneles multigénicos
avanzados ya forman parte de decisiones terapéuticas y criterios de inclusión en ensayos
clínicos (20). Por otro lado, la inteligencia artificial y el machine learning facilitan el análisis de
grandes volúmenes de datos moleculares optimizando la selección terapéutica y acelerando
el descubrimiento de nuevas combinaciones farmacológicas (21).
En cuanto a terapias, se observa la expansión de terapias génicas y CAR-T de nueva
generación junto con estrategias que modulan el microambiente tumoral y a su vez
reprograman el metabolismo o manipulan el microbioma para superar la resistencia (22). Es
importante destacar que entre los biomarcadores emergentes destacan alteraciones genéticas
específicas como fusiones NRG1, FGFR, ALK o mutaciones KRAS G12C y TP53 Y220C,
biomarcadores tumor-agnósticos como dMMR, MSI-H, TMB-H, herramientas de biopsia
líquida, perfiles de microARNs y transcriptómica espacial, marcadores epigenéticos y
proteómicos, así como características del microambiente tumoral evaluadas mediante
técnicas multiplexadas (23).
DISCUSIÓN
Dentro de los principales aspectos a destacar es el cambio en cuento a basarse en un
biomarcador o parámetro específico en el diagnóstico de cáncer a un análisis del perfil de
diversos componentes que incluyen biomarcadores séricos, moleculares y genéticos (10,24).
Como ya se mencionó anteriormente el enfoque tradicional ha demostrado limitaciones en
sensibilidad, especificidad y utilidad clínica ya que existe la heterogeneidad tumoral y la
complejidad de las vías alteradas en cáncer lo que genera que estos biomarcadores basados
en la evaluación de por ejemplo proteínas individuales o índices de proliferación tenga baja
sensibilidad y por ende no sean considerados precisos, lo que a su vez ocasiona las
evidencias de errores diagnósticos(11,14).
Para poder superar este tipo de limitaciones, el mundo a dirigido su mirada hacia las
herramientas conocida como ómicas específicamente la genómica, a través de la
Secuenciación de Nueva Generación (NGS) masiva que ha demostrado la identificación
exhaustiva de mutaciones puntuales y sumamente específicas de reordenamientos
estructurales dentro de las cuales se incluyen fusiones de genes ALK o ROS1 y el estado de
inestabilidad genómica como la deficiencia en la reparación de apareamientos erróneos,
dMMR lo que resulta en una gran utilidad para brindar adecuadamente inhibidores de tirosina
quinasa (TKI) o terapias inmuno-oncológicas (3,7).
En cuanto a la proteómica, esta ha pasado de la electroforesis bidimensional a la
Espectrometría de Masas (LC-MS/MS) de alto rendimiento lo que permite la cuantificación
precisa de miles de proteínas y por consiguiente la caracterización de sus modificaciones
postraduccionales (PTMs) como la fosforilación y la ubiquitinación (25). Esto también ayuda a
predecir la actividad de una vía biológica ya que las proteínas son efectores funcionales de la
célula y las dianas directas de la mayoría de los fármacos teniendo así funciones de
señalización tumoral (26,27).
Por este motivo es importante comprender la importancia de describir y comprender las
características globales del tumor integrando datos de múltiples niveles que incluyen los
aspectos genómicos, transcriptómico, proteómico, inmunológico y morfológico (19).
La integración de plataformas de secuenciación de ADN y ARN en conjunto con
biomarcadores inmunológicos y con los datos clínicos permite que la identificación sea más
precisa sobre las alteraciones genéticas, fusiones de genes y clasificación tumoral y esto se
ve reflejado e indica una cantidad de pacientes mucho más grande que pueden ser candidatos
a terapias personalizadas o inclusive a ensayos clínicos relevantes (19,21). Por ejemplo, la
combinación de DNA-seq para mutaciones, RNA-seq para expresión diferencial y fusiones
con biomarcadores inmunológicos incrementa la tasa de asignación a terapias dirigidas y
ensayos clínicos en comparación con el uso de paneles genéticos convencionales (28).
Además, el análisis multidimensional de microARNs, mRNAs y proteínas realizado mediante
técnicas avanzadas de proteómica basada en la detección de PTMs y algoritmos de reducción
de dimensiones ha reflejado una mejora en cuanto a la capacidad predictiva de los
biomarcadores en comparación con valores subóptimos obtenidos con biomarcadores
individuales (23,29).
El uso de perfiles moleculares integrados también permite la identificación de firmas pan-
cáncer y la estratificación pronóstica basada en la disrupción de vías biológicas clave como la
coagulación, el metabolismo de ácidos grasos y la transición epitelio-mesénquima, lo que
facilita la predicción de progresión tumoral y la selección de tratamientos potencialmente
efectivos, incluyendo la posibilidad de reposicionamiento de fármacos (19,28). La
incorporación de datos de biopsias líquidas incluyendo ctDNA para la genómica y exosomas
para la proteómica, radiómica y análisis digital patológico, junto con inteligencia artificial
permite que se hagan proyecciones hacia un perfil más completo lo que permite una mayor
adecuación y pertinencia del tratamiento, así como el diagnóstico sin recurrir a herramientas
invasivas (23)
CONCLUSIONES
A partir de la revisión actual de la literatura se confirmó que el diagnóstico y manejo
oncológico se encuentra en transformación ya que se empieza a hacer cada vez más evidente
la obsolescencia de los biomarcadores tradicionales aislados lo que a su vez conlleva a la
adopción de un enfoque basado en el perfil molecular de manera más generalizado. Por lo
que, a pesar de sus grandes usos e implementaciones ha demostrada una baja especificidad
y sensibilidad por lo que en la actualidad se considera insuficiente para abordar la
heterogeneidad tumoral limitando su valor predictivo en la toma de decisiones terapéuticas.
Por este motivo, se evidencia el auge de plataformas genómicas y proteómicas de alto
rendimiento de tal manera que la máxima utilidad clínica actual se fundamenta en la
integración de estos datos ómicos tales como los proporcionados a través de la genómica,
proteómica, transcriptómica con biomarcadores inmunológicos, patología digital y la biopsia
líquida que incluyen ctDNA y exosomas. Todos estos aspectos reflejan un gran potencial, pero
aún quedan muchas lagunas de investigación por lo que es necesario que se sigan realizando
estudios que permitan consolidar estos aspectos dentro de la atención en salud.
REFERENCIAS BIBLIOGRÁFICAS
1. Kang YJ, Luo Q, Worthington J, Kelly A, Cuff J, Zalcberg J, et al. Informing health system
planning for biomarker-based treatment: statistical prevalence projections for solid cancers
with key pan-tumour biomarkers (dMMR, MSI, high TMB) in Australia to 2042. Lancet Reg
Health West Pac [Internet]. 2025 Apr 1 [cited 2025 Nov 7];57:101537. Available from:
https://www.sciencedirect.com/science/article/pii/S2666606525000744
2. Passaro A, Al Bakir M, Hamilton EG, Diehn M, André F, Roy-Chowdhuri S, et al. Cancer
biomarkers: Emerging trends and clinical implications for personalized treatment. Cell
[Internet]. 2024 Mar 28 [cited 2025 Nov 7];187(7):1617–35. Available from:
https://www.sciencedirect.com/science/article/pii/S0092867424002447#bib3
3. Alaimo A, Vaira V, Sarhadi VK, Armengol G. Molecular Biomarkers in Cancer. Biomolecules
2022, Vol 12, Page 1021 [Internet]. 2022 Jul 23 [cited 2025 Nov 7];12(8):1021. Available
from: https://www.mdpi.com/2218-273X/12/8/1021/htm
4. Passaro A, Al Bakir M, Hamilton EG, Diehn M, André F, Roy-Chowdhuri S, et al. Cancer
biomarkers: Emerging trends and clinical implications for personalized treatment. Cell
[Internet]. 2024 Mar 28 [cited 2025 Nov 7];187(7):1617–35. Available from:
https://www.cell.com/action/showFullText?pii=S0092867424002447
5. Kwon YW, Jo HS, Bae S, Seo Y, Song P, Song M, et al. Application of Proteomics in
Cancer: Recent Trends and Approaches for Biomarkers Discovery. Front Med (Lausanne)
[Internet]. 2021 Sep 22 [cited 2025 Nov 7];8:747333. Available from: www.frontiersin.org
6. Passaro A, Al Bakir M, Hamilton EG, Diehn M, André F, Roy-Chowdhuri S, et al. Cancer
biomarkers: Emerging trends and clinical implications for personalized treatment. Cell
[Internet]. 2024 Mar 28 [cited 2025 Nov 13];187(7):1617–35. Available from:
https://www.cell.com/action/showFullText?pii=S0092867424002447
7. Alaimo A, Vaira V, Sarhadi VK, Armengol G. Molecular Biomarkers in Cancer. Biomolecules
2022, Vol 12, Page 1021 [Internet]. 2022 Jul 23 [cited 2025 Nov 13];12(8):1021. Available
from: https://www.mdpi.com/2218-273X/12/8/1021/htm
8. Komarnicki P, Gut P, Cieślewicz M, Musiałkiewicz J, Maciejewski A, Czupińska M, et al.
Serum β-hCG as a Biomarker in Pancreatic Neuroendocrine Tumors: Rethinking Single-
Analyte Approach. Cancers (Basel) [Internet]. 2024 Jun 1 [cited 2025 Nov 13];16(11):2060.
Available from: https://www.mdpi.com/2072-6694/16/11/2060/htm
9. Andre F, Ismaila N, Allison KH, Barlow WE, Collyar DE, Damodaran S, et al. Biomarkers
for Adjuvant Endocrine and Chemotherapy in Early-Stage Breast Cancer: ASCO Guideline
Update. Journal of Clinical Oncology [Internet]. 2022 Apr 1 [cited 2025 Nov 7];34. Available
from: https://ascopubs.org/doi/pdf/10.1200/JCO.22.00069
10. Eggener SE, Rumble RB, Armstrong AJ, Morgan TM, Crispino T, Cornford P, et al.
Molecular biomarkers in localized prostate cancer: ASCO guideline. Journal of Clinical
Oncology [Internet]. 2020 May 1 [cited 2025 Nov 7];38(13):1474–94. Available from:
https://ascopubs.org/doi/pdf/10.1200/JCO.19.02768
11. Liu HN, Yao C, Wang XF, Zhang NP, Chen YJ, Pan D, et al. Diagnostic and economic
value of carcinoembryonic antigen, carbohydrate antigen 19-9, and carbohydrate antigen
72-4 in gastrointestinal cancers. World J Gastroenterol [Internet]. 2023 Jan 28 [cited 2025
Nov 7];29(4):706–30. Available from: https://pubmed.ncbi.nlm.nih.gov/36742169/
12. Claps G, Faouzi S, Quidville V, Chehade F, Shen S, Vagner S, et al. The multiple roles
of LDH in cancer. Nature Reviews Clinical Oncology 2022 19:12 [Internet]. 2022 Oct 7 [cited
2025 Nov 7];19(12):749–62. Available from: https://www.nature.com/articles/s41571-022-
00686-2
13. Luo H, Shen K, Li B, Li R, Wang Z, Xie Z. Clinical significance and diagnostic value of
serum NSE, CEA, CA19-9, CA125 and CA242 levels in colorectal cancer. Oncol Lett
[Internet]. 2020 Jul 1 [cited 2025 Nov 7];20(1):742–50. Available from:
https://pubmed.ncbi.nlm.nih.gov/32566000/
14. Caruso G, Weroha SJ, Cliby W. Ovarian Cancer: A Review. JAMA [Internet]. 2025 Oct
14 [cited 2025 Nov 7];334(14):1278–91. Available from:
https://jamanetwork.com/journals/jama/fullarticle/2836686
15. Sholl LM, Awad M, Roy UB, Beasley MB, Cartun RW, Hwang DM, et al. Programmed
Death Ligand-1 and Tumor Mutation Burden Testing of Patients With Lung Cancer for
Selection of Immune Checkpoint Inhibitor Therapies: Guideline From the College of
American Pathologists, Association for Molecular Pathology, International Assoc…. Arch
Pathol Lab Med [Internet]. 2024 Jul 1 [cited 2025 Nov 7];148(7):757–74. Available from:
https://dx.doi.org/10.5858/arpa.2023-0536-CP
16. Henry NL, Somerfield MR, Dayao Z, Elias A, Kalinsky K, McShane LM, et al. Biomarkers
for Systemic Therapy in Metastatic Breast Cancer: ASCO Guideline Update. Journal of
Clinical Oncology [Internet]. 2022 Sep 20 [cited 2025 Nov 7];40(27):3205–21. Available
from: https://ascopubs.org/doi/pdf/10.1200/JCO.22.01063
17. Daniels MW, Kahn AB, Beavers KM, Concia L, Carson JP, Matsui W, et al. Abstract P1-
08-03: Clinical Distribution and Impact of Biomarker Triads Consisting of either Quantified
HER2 or EGF Receptor with ER and PR Proteins and Expression of Their Cognate Genes.
Clinical Cancer Research [Internet]. 2025 Jun 15 [cited 2025 Nov
7];31(12_Supplement):P1-08–03. Available from:
/clincancerres/article/31/12_Supplement/P1-08-03/752389/Abstract-P1-08-03-Clinical-
Distribution-and-Impact
18. Zhou Y, Tao L, Qiu J, Xu J, Yang X, Zhang Y, et al. Tumor biomarkers for diagnosis,
prognosis and targeted therapy. Signal Transduction and Targeted Therapy 2024 9:1
[Internet]. 2024 May 20 [cited 2025 Nov 7];9(1):1–86. Available from:
https://www.nature.com/articles/s41392-024-01823-2
19. Bhattacharya S. An empirical review on the resistance mechanisms of epidermal growth
factor receptor inhibitors and predictive molecular biomarkers in colorectal cancer. Crit Rev
Oncol Hematol [Internet]. 2023 Mar 1 [cited 2025 Nov 7];183:103916. Available from:
https://www.sciencedirect.com/science/article/abs/pii/S1040842823000045?via%3Dihub
20. Baliakas P, Soussi T. The TP53 tumor suppressor gene: From molecular biology to
clinical investigations. J Intern Med [Internet]. 2025 Aug 1 [cited 2025 Nov 7];298(2):78–96.
Available from: /doi/pdf/10.1111/joim.20106
21. Zhang N, Yang X, Piao M, Xun Z, Wang Y, Ning C, et al. Biomarkers and prognostic
factors of PD-1/PD-L1 inhibitor-based therapy in patients with advanced hepatocellular
carcinoma. Biomarker Research 2024 12:1 [Internet]. 2024 Feb 14 [cited 2025 Nov
13];12(1):26-. Available from:
https://biomarkerres.biomedcentral.com/articles/10.1186/s40364-023-00535-z
22. Chakravarty D, Johnson A, Sklar J, Lindeman NI, Moore K, Ganesan S, et al. Somatic
Genomic Testing in Patients With Metastatic or Advanced Cancer: ASCO Provisional
Clinical Opinion. Journal of Clinical Oncology [Internet]. 2022 Apr 10 [cited 2025 Nov
7];40(11):1231–58. Available from: https://ascopubs.org/doi/pdf/10.1200/JCO.21.02767
23. Beňačka R, Szabóová D, Guľašová Z, Hertelyová Z, Radoňák J. Classic and New
Markers in Diagnostics and Classification of Breast Cancer. Cancers 2022, Vol 14, Page
5444 [Internet]. 2022 Nov 5 [cited 2025 Nov 7];14(21):5444. Available from:
https://www.mdpi.com/2072-6694/14/21/5444/htm
24. Kwon YW, Jo HS, Bae S, Seo Y, Song P, Song M, et al. Application of Proteomics in
Cancer: Recent Trends and Approaches for Biomarkers Discovery. Front Med (Lausanne)
[Internet]. 2021 Sep 22 [cited 2025 Nov 13];8. Available from:
https://pubmed.ncbi.nlm.nih.gov/34631760/
25. Supplitt S, Karpinski P, Sasiadek M, Laczmanska I. Current Achievements and
Applications of Transcriptomics in Personalized Cancer Medicine. International Journal of
Molecular Sciences 2021, Vol 22, Page 1422 [Internet]. 2021 Jan 31 [cited 2025 Nov
13];22(3):1422. Available from: https://www.mdpi.com/1422-0067/22/3/1422/htm
26. Sykes J, Kaldany A, Jang TL. Current and Evolving Biomarkers in the Diagnosis and
Management of Testicular Germ Cell Tumors. Journal of Clinical Medicine 2024, Vol 13,
Page 7448 [Internet]. 2024 Dec 6 [cited 2025 Nov 13];13(23):7448. Available from:
https://www.mdpi.com/2077-0383/13/23/7448/htm
27. He K, Baniasad M, Kwon H, Caval T, Xu G, Lebrilla C, et al. Decoding the
glycoproteome: a new frontier for biomarker discovery in cancer. Journal of Hematology &
Oncology 2024 17:1 [Internet]. 2024 Mar 22 [cited 2025 Nov 13];17(1):12-. Available from:
https://jhoonline.biomedcentral.com/articles/10.1186/s13045-024-01532-x
28. Yu B, Ma W. Biomarker discovery in hepatocellular carcinoma (HCC) for personalized
treatment and enhanced prognosis. Cytokine Growth Factor Rev [Internet]. 2024 Oct 1
[cited 2025 Nov 13];79:29–38. Available from:
https://www.sciencedirect.com/science/article/abs/pii/S1359610124000674?via%3Dihub
29. Prelaj A, Miskovic V, Zanitti M, Trovo F, Genova C, Viscardi G, et al. Artificial intelligence
for predictive biomarker discovery in immuno-oncology: a systematic review. Annals of
Oncology [Internet]. 2024 Jan 1 [cited 2025 Nov 13];35(1):29–65. Available from:
https://www.annalsofoncology.org/action/showFullText?pii=S0923753423043314
Declaro que no existe conflicto de interés.
Contribución de los autores y aportes:
Conceptualización teórica: Josselyn Mendoza, Carlos Intriago
Curación de datos: Josselyn Mendoza, Carlos Intriago, Chávez Higor, Anthony Naranjo
Análisis formal: Josselyn Mendoza, Carlos Intriago, Higor Chávez
Investigación: Josselyn Mendoza, Carlos Intriago
Metodología: Josselyn Mendoza, Carlos Intriago
Recursos: Josselyn Mendoza, Carlos Intriago, Anthony Naranjo
Software: Josselyn Mendoza, Carlos Intriago
Validación: Josselyn Mendoza, Carlos Intriago
Estilo y Redacción: Josselyn Mendoza, Carlos Intriago
