Melanoma biomarkers – recent advances, diagnostic potential, and future perspectives

admin

Full article

https://doi.org/10.53453/ms.2026.6.3

Melanoma biomarkers: recent advances, diagnostic potential, and
future perspectives
Mikeila Jazbutytė¹, Rugilė Pikturienė²
1
Lithuanian University of Health Sciences, Academy of Medicine, Faculty of Medicine, Kaunas, Lithuania
2
Klaipėda University Hospital, Department of Oncology, Klaipėda, Lithuania
Abstract
Introduction. Melanoma is one of the most aggressive forms of skin cancer and is characterized by pronounced
biological and molecular heterogeneity, which limits the prognostic value of traditional clinical and histopathological
parameters. Consequently, biomarkers are gaining increasing importance as tools for more accurate assessment of
disease course, prognosis, and treatment response, enabling personalized therapeutic approaches.
Aim. To review melanoma biomarkers currently used in clinical practice, evaluate the diagnostic and prognostic
potential of emerging molecular, genetic, immunological, and circulating biomarkers, and discuss future perspectives
for their clinical application.
Methods. A systematic literature review was conducted using the PubMed database. Articles published in English
between 2017 and 2025 that addressed the diagnostic, prognostic, and predictive value of melanoma biomarkers were
analyzed. Study selection was performed in accordance with PRISMA guidelines and the PICOS framework.
Results. Of the 286 identified publications, 55 articles were included in the final analysis. Currently used serum and
tissue biomarkers provide relevant prognostic information but exhibit limited sensitivity and specificity. Emerging
tissue-based, molecular, and circulating biomarkers enable non-invasive monitoring of disease dynamics, prediction
of response to immunotherapy and targeted therapy, and early detection of treatment resistance.
Conclusions. Melanoma biomarkers play an increasingly important role in disease diagnosis, prognosis, and treatment
individualization. Although their broader implementation in clinical practice is limited by methodological and
regulatory challenges, the integrated use of multiple biomarker types may significantly contribute to the development
of precision melanoma treatment strategies in the future.
Keywords: melanoma, biomarkers, diagnosis, prognosis, precision oncology.
Journal of Medical Sciences. 18 Jun, 2026 - Volume 14 | Issue 4. Electronic - ISSN: 2345-0592
Medical Sciences 2026 Vol. 14 (4), p. 25-36, https://doi.org/10.53453/ms.2026.6.3
25
Melanomos biomarkeriai: naujausi pasiekimai, diagnostinis
potencialas ir ateities perspektyvos
Mikeila Jazbutytė¹, Rugilė Pikturienė²
1
Lietuvos sveikatos mokslų universitetas, Medicinos akademija, Medicinos fakultetas, Kaunas, Lietuva
2
Klaipėdos universitetinė ligoninė, Onkologijos klinika, Klaipėda, Lietuva
Santrauka
Įvadas. Melanoma yra viena agresyviausių odos vėžio formų, pasižyminti dideliu biologiniu ir molekuliniu
heterogeniškumu, kuris riboja tradicinių klinikinių ir histopatologinių rodiklių prognostinę vertę. Todėl vis didesnę
reikšmę įgyja biomarkeriai, leidžiantys tiksliau įvertinti ligos eigą, prognozę ir gydymo atsaką bei sudarantys
prielaidas individualizuotam gydymui.
Tyrimo tikslas. Apžvelgti klinikinėje praktikoje šiuo metu taikomus melanomos biomarkerius, įvertinti naujausių
molekulinių, genetinių, imunologinių ir cirkuliuojančių biomarkerių diagnostinę bei prognostinę reikšmę ir aptarti
galimas jų taikymo perspektyvas ateityje.
Metodai. Atlikta sisteminė literatūros apžvalga, naudojant „PubMed“ duomenų bazę. Analizuoti 2017–2025 m.
laikotarpiu anglų kalba publikuoti straipsniai, nagrinėjantys melanomos biomarkerių diagnostinę, prognostinę ir
predikcinę reikšmę. Straipsnių atranka vykdyta remiantis PRISMA gairėmis ir PICOS duomenų atrankos principais.
Rezultatai. Iš 286 identifikuotų publikacijų galutinei analizei atrinkti 55 straipsniai. Nustatyta, kad klinikinėje
praktikoje naudojami seruminiai ir audinių biomarkeriai suteikia svarbios prognostinės informacijos, tačiau pasižymi
ribotu jautrumu ir specifiškumu. Nauji audinių, molekuliniai ir cirkuliuojantys biomarkeriai leidžia stebėti ligos
dinamiką, prognozuoti atsaką į imunoterapiją ir taikinių terapiją bei anksti nustatyti ligos atsparumą gydymui.
Išvados. Melanomos biomarkeriai atlieka vis svarbesnį vaidmenį ligos diagnostikoje, prognozavime ir gydymo
individualizavime. Nors jų klinikinį taikymą riboja metodologiniai ir reguliaciniai iššūkiai, integruotas skirtingų
biomarkerių naudojimas ateityje gali reikšmingai prisidėti prie precizinio melanomos gydymo tobulinimo.
Raktažodžiai: melanoma, biomarkeriai, diagnostika, prognozė, precizinė onkologija.
Journal of Medical Sciences. 18 Jun, 2026 - Volume 14 | Issue 4. Electronic - ISSN: 2345-0592
26
1. Įvadas
Melanoma – piktybinis navikas, atsirandantis iš
melanocitų, kuris, nepaisant palyginti mažo paplitimo
(apie 1 % visų odos vėžio atvejų), pasižymi didžiausiu
agresyvumu [1,2]. Dėl didelio invazyvumo ir
metastazavimo potencialo melanoma lemia didžiąją
dalį su odos vėžiu susijusių mirčių [3]. Pastaraisiais
dešimtmečiais pasaulinis melanomos sergamumas
nuosekliai didėja: nuo 1990 iki 2019 m. naujai
diagnozuotų atvejų skaičius padidėjo maždaug 170 %
[4,5]. Nors ankstyvos stadijos melanoma dažnai
sėkmingai išgydoma chirurginiu būdu, pažengusi liga
siejama su nepalankia prognoze [6]. Ryškus biologinis
ir genetinis melanomos heterogeniškumas riboja
tradicinių klinikinių ir histopatologinių rodiklių
prognostinę vertę, todėl vis didesnę reikšmę įgyja
biomarkeriai, leidžiantys tiksliau įvertinti ligos eigą ir
numatyti prognozę [7]. Šiame darbe apžvelgiami šiuo
metu klinikinėje praktikoje naudojami melanomos
biomarkeriai, aptariami nauji, šiuo metu tiriami
molekuliniai, genetiniai ir imunologiniai žymenys bei
nagrinėjamos ateities biomarkerių taikymo
perspektyvos.
2. Metodika
Sisteminei literatūros apžvalgai atlikti pasitelkta
„PubMed“ paieškos sistema. Į analizę įtraukti
straipsniai parašyti anglų kalba ir publikuoti 2017–
2025 metais, nagrinėjantys melanomos biomarkerius,
jų diagnostinę, prognostinę ir predikcinę reikšmę bei
klinikinio taikymo galimybes. Paieškos metu naudoti
raktiniai žodžiai ir jų deriniai: „melanoma“,
„biomarkeriai“, „molekuliniai biomarkeriai“,
„seruminiai biomarkeriai“, „cirkuliuojantys
biomarkeriai“, „skystoji biopsija“, „ctDNR“,
„imunoterapija“, „genetiniai biomarkeriai“. Straipsnių
atranka vykdyta remiantis PRISMA gairėmis, taikant
PICOS (populiacija, intervencija, palyginimas, išeitys
ir tyrimo struktūra) duomenų atrankos principus.
Įtraukimo kriterijai:
• Klinikiniai ir stebėjimo tyrimai bei mokslinės
apžvalgos, nagrinėjančios melanomos
biomarkerius.
• Tyrimai, analizuojantys biomarkerių diagnostinę,
prognostinę ar predikcinę reikšmę.
• Publikacijos, vertinančios biomarkerių taikymą
gydymo atsako stebėsenai, imunoterapijos ar
taikinių terapijos efektyvumui prognozuoti.
Atmetimo kriterijai:
• Straipsniai, nesusiję su melanomos biomarkeriais
arba nepateikiantys klinikinės reikšmės duomenų.
• Publikacijos, nagrinėjančios kitų onkologinių ligų
biomarkerius.
• Dubliuoti įrašai.
Straipsnių atrankos procesas
Elektroninė duomenų paieška ir publikacijų atranka
buvo vykdoma „PubMed“ duomenų bazėje. Iš viso
rasti 286 bibliografiniai įrašai. Pirmajame etape
atmesti 73 straipsniai, publikuoti ne anglų kalba,
senesni nei 2017 m. arba nesusiję su tyrimo tema.
Antrajame etape, įvertinus publikacijų pavadinimus ir
santraukas, atmesti 123 straipsniai, neatitinkantys
tyrimo tikslų. Likusios publikacijos buvo išsamiai
analizuojamos taikant įtraukimo ir atmetimo kriterijus,
papildomai atmesti 35 straipsniai. Į galutinę sisteminės
literatūros apžvalgą buvo įtraukti 55 straipsniai,
publikuoti 2017–2025 metais.
3. Rezultatai
3.1. Klinikinėje praktikoje taikomi melanomos
biomarkeriai
Klinikinėje praktikoje melanomos valdyme
dažniausiai naudojami seruminiai biomarkeriai, tokie
Journal of Medical Sciences. 18 Jun, 2026 - Volume 14 | Issue 4. Electronic - ISSN: 2345-0592
27
kaip S100, laktato dehidrogenazė (LDH) ir C-
reaktyvusis baltymas (CRB), taikomi ligos prognozei
vertinti ir gydymo eigai stebėti (1 lentelė). S100B
pasižymi geresniu ligos atkryčio nustatymo tikslumu
ir jautriau nei LDH atspindi atsaką į gydymą, tačiau jo
klinikinį pritaikomumą riboja mažas jautrumas
ankstyvose melanomos stadijose ir nevienoda
ekspresija tarp pacientų [8–11]. LDH yra stiprus
nepalankios prognozės rodiklis ir vienintelis rutiniškai
naudojamas serologinis žymuo melanomos
stadijavimui, tačiau šis rodiklis pasižymi mažu
specifiškumu [12,13]. CRB koncentracijos
padidėjimas siejamas su prastesniais išgyvenamumo
rodikliais, tačiau dėl nespecifinio uždegiminio atsako
šio biomarkerio diagnostinė ir prognostinė vertė
melanomos atveju yra ribota [14].
1 lentelė. Seruminiai biomarkeriai, taikomi melanomos prognozei ir gydymo stebėsenai klinikinėje praktikoje [8-14]
Biomarkeris
Klinikinė paskirtis
Pagrindiniai privalumai
Pagrindiniai trūkumai
S100
Ligos atkryčio ir
gydymo stebėsena
Geresnis atkryčio nustatymo
tikslumas
Mažas jautrumas ankstyvose
stadijose, nevienoda ekspresija
LDH
Prognozė ir stadijavimas
Stiprus blogos prognozės
rodiklis
Labai nespecifiškas
CRB
Prognozė
Susijęs su prastesniais
išgyvenamumo rodikliais
Nespecifiškas uždegimo žymuo
Imuninių ląstelių kiekio kraujyje santykiai, tokie kaip
neutrofilų ir limfocitų santykis (NLS) ir trombocitų ir
limfocitų santykis (PLS) taip pat turi prognostinę
reikšmę melanomos valdyme. Padidėjęs NLS siejamas
su trumpesniu bendruoju išgyvenamumu ir
išgyvenamumu be ligos progresavimo [15]. Be to,
NLS ≥ 2,1 nepriklausomai susijęs su blogesnėmis
klinikinėmis baigtimis, o didesnės NLS reikšmės
koreliuoja su prastesniu atsaku į imunoterapiją. Itin
didelis NLS yra siejamas su ypač nepalankia ligos eiga
[16, 17]. Padidėjęs PLS taip pat siejamas su
prastesniais išgyvenamumo rodikliais [18] ir
trumpesniu bendruoju išgyvenamumu esant PLS ≥
184 [16]. Padidėjusios NLS ir PLS reikšmės dažniau
nustatomos pažengusiose ligos stadijose [19], tačiau jų
pritaikymą riboja standartizuotų normos ribų stoka bei
kitų klinikinių ir biologinių veiksnių įtaka (amžius,
naviko dydis, stadija, gretutinės uždegiminės ar
infekcinės ligos) [20–21].
3.2. Audinių biomarkeriai
Audinių biomarkerių nustatymas yra vienas
pagrindinių melanomos diagnostikos, klasifikacijos ir
gydymo sprendimų aspektų, leidžiančių įvertinti
naviko molekulines savybes, biologinį
heterogeniškumą ir tikėtiną atsaką į gydymą. [22–24].
Nors klasikiniai histopatologiniai rodikliai tebėra
esminiai ligos stadijavimui pagal AJCC (angl.
American Joint Committee on Cancer) stadijavimo
sistemą, molekuliniai audinių žymenys suteikia
papildomos prognostinės ir predikcinės vertės (2
lentelė) [22].
Svarbiausi molekuliniai audinių biomarkeriai
melanomoje apima genetines alteracijas, tokias kaip
BRAF (B-Raf protoonkogeno serino/treonino kinazė),
NRAS (neuroblastomos RAS onkogeno homologas) ir
KIT (tirozinkinazės receptorius) mutacijos [24,25].
BRAF V600 mutacijos, nustatomos maždaug 40–50 %
odos melanomų, lemia MAPK (mitogenų
aktyvuojamos baltymų kinazės) signalinio kelio
Journal of Medical Sciences. 18 Jun, 2026 - Volume 14 | Issue 4. Electronic - ISSN: 2345-0592
28
aktyvaciją ir leidžia taikyti tikslinę terapiją BRAF ir
MEK inhibitoriais [26]. NRAS mutacijos, aptinkamos
apie 20 % atvejų, yra siejamos su agresyvesne ligos
eiga ir nepalankesne prognoze [27-29]. KIT genų
mutacijos, būdingos gleivinių melanomoms, pasižymi
predikcine reikšme vertinant atsaką į tirozinkinazės
inhibitorius. [30, 31]. Tarp imuninių audinių
biomarkerių klinikinę reikšmę turi PD-L1 (angl.
programmed death-ligand 1) ekspresija, kuri gali būti
susijusi su atsaku į imuninės kontrolės taškų
inhibitorius, tačiau dėl intratumorinio
heterogeniškumo ir tyrimų metodų skirtumų šio
biomarkerio predikcinė vertė yra ribota [32,33].
2 lentelė. Pagrindiniai melanomos audinių biomarkeriai ir jų klinikinė reikšmė [24-33]
Biomarkeris
Dažnis
Biologinė reikšmė /
signalinis kelias
BRAF (V600)
~40–50 % odos
melanomų
MAPK signalinio kelio
aktyvacija
NRAS
~20 % atvejų
MAPK ir PI3K-AKT
keliai
KIT
Dažnesnė
gleivinių
melanomose
Tirozinkinazės
receptoriaus aktyvacija
PD-L1
Kintamas
Imuninės kontrolės taškų
signalizacija
3.3. Imunohistocheminiai ir molekuliniai
biomarkeriai
Imunohistocheminis ištyrimas yra vienas svarbiausių
melanomos audinių biomarkerių nustatymo metodų,
leidžiantis įvertinti baltymų ekspresiją naviko
audiniuose ir mikroaplinkoje bei prognozuoti ligos
eigą ir klinikines baigtis (3 lentelė) [34,35].
Diagnostikoje plačiai naudojami HMB-45 ir MART-
1/Melan-A, o SOX10 ir PRAME žymenys dažnai
pasižymi dideliu jautrumu ir specifiškumu tais
atvejais, kai diagnostika yra komplikuota [36,37].
Audinių biomarkerių analizei taip pat taikomi
molekuliniai metodai – polimerazės grandininė
reakcija (PGR), fluorescencinė in situ hibridizacija
(FISH) ir naujos kartos sekoskaita, padedanti nustatyti
gretutines genetines mutacijas, tokias kaip TP53,
PTEN ir CDKN2A, susijusias su greitesniu ligos
progresavimu ir atsparumu gydymui [38-40]. Naujos
technologijos, įskaitant erdvinę transkriptomiką ir
daugiakanalę imunofluorescenciją, leidžia įvertinti
naviko ir imuninių ląstelių pasiskirstymą bei imuninio
aktyvumo ypatumus, pavyzdžiui, PD-L1 ekspresiją
CD8⁺ T limfocitų infiltracijos srityse, taip leidžiant
detaliau charakterizuoti naviko imuninę mikroaplinką
ir jos reikšmę gydymo efektyvumui [41,42].
3.4. Cirkuliuojantys biomarkeriai (skystoji
biopsija)
Cirkuliuojantys biomarkeriai yra sparčiai besivystanti
melanomos tyrimų sritis, leidžianti neinvaziniu būdu
stebėti naviko biologiją, heterogeniškumą ir ligos eigą
realiuoju laiku [43,44]. Skystosios biopsijos
mėginiuose tiriama cirkuliuojanti naviko DNR
(ctDNR), cirkuliuojančios naviko ląstelės (CTC),
egzosomos, cirkuliuojantys baltymai ir mikroRNR
(miRNR) (4 lentelė) [45,46].
Journal of Medical Sciences. 18 Jun, 2026 - Volume 14 | Issue 4. Electronic - ISSN: 2345-0592
29
3 lentelė. Audinių biomarkerių nustatymo metodai ir jų klinikinė reikšmė [34-42]
Tyrimo metodas
Vertinami biomarkeriai /
žymenys
Pagrindinis
pritaikymas
Klinikinė reikšmė
Imunohistochemija
HMB-45, MART-
1/Melan-A
Melanomos diagnostika
Patvirtina melanocitinę kilmę
SOX10, PRAME
Sudėtingi diagnostiniai
atvejai
Didelis jautrumas ir
specifiškumas diferencinėje
diagnostikoje
PD-L1
Imuninės
mikroaplinkos
vertinimas
Galimas ryšys su atsaku į
imunoterapiją
PGR (PCR)
BRAF, NRAS, TP53
Genetinių mutacijų
nustatymas
Prognostinė ir predikcinė
reikšmė
FISH
CDKN2A, PTEN
delecijos / amplifikacijos
Struktūrinių genetinių
pokyčių analizė
Sąsajos su ligos
progresavimu
Naujos kartos sekoskaita
TP53, PTEN, CDKN2A ir
kitos gretutinės mutacijos
Išplėstinė molekulinė
analizė
Atsparumo gydymui ir ligos
agresyvumo vertinimas
Erdvinė transkriptomika
Genų raiškos profiliai
Naviko
heterogeniškumo
vertinimas
Detalus naviko biologijos
apibūdinimas
Daugiakanalė
imunofluorescencija
PD-L1, CD8⁺ T limfocitai
Imuninės
mikroaplinkos analizė
Imuninio aktyvumo ir
gydymo efektyvumo
prognozė
ctDNR – tai naviko ląstelių į kraują išskiriami DNR
fragmentai, atspindintys naviko genetinį profilį ir
leidžiantys vertinti ligos aktyvumą, stadiją bei atsaką į
gydymą [47]. Tokios mutacijos kaip BRAF V600E ar
NRAS Q61R gali būti nustatomos net tais atvejais, kai
audinio mėginiuose jų neaptinkama, o ctDNR kiekio
pokyčiai dažnai signalizuoja ligos progresavimą ar
atsaką į gydymą anksčiau nei radiologiniai tyrimai.
CTC – tai į kraujotaką patekusios naviko ląstelės,
kurių didesnis kiekis siejamas su pažengusia liga ir
blogesnėmis klinikinėmis baigtimis [8,14].
Cirkuliuojančių naviko ląstelių fenotipinis ir genetinis
profiliavimas, vertinant melanomai būdingų žymenų,
tokių kaip MCAM, MART-1 ir gp100, ekspresiją,
leidžia ne tik patvirtinti melanomos kilmę, bet ir
suteikia informacijos apie ląstelių invazyvumą,
metastazavimo potencialą bei galimus atsparumo
gydymui mechanizmus [48,49].
Kita svarbi cirkuliuojančių biomarkerių grupė -
egzosomos ir kitos ekstraląstelinės pūslelės, kurios
perneša baltymus ir nukleorūgštis tarp naviko ir
imuninių ląstelių. Egzosominės miRNR, tokios kaip
miR-21, miR-155 ir miR-211, siejamos su naviko
progresavimu, imunine moduliacija ir atsparumu
gydymui, o egzosominė PD-L1 (angl. programmed
death-ligand 1), gali atspindėti sisteminę imuninę
supresiją [50,51].
3.5. Genetiniai, epigenetiniai ir transkriptominiai
biomarkeriai
Genetiniai pokyčiai, tokie kaip BRAF V600E, NRAS
Q61, KIT amplifikacijos ir TERT promotoriaus
mutacijos, taip pat yra svarbūs melanomos ligos eigai
ir gydymo parinkimui (5 lentelė) [52]. Naviko
mutacijų skaičius pasižymi predikcine verte, nes
didesnį mutacijų skaičių turintys navikai dažniau
Journal of Medical Sciences. 18 Jun, 2026 - Volume 14 | Issue 4. Electronic - ISSN: 2345-0592
30
reaguoja į PD-1/PD-L1 ir CTLA-4 inhibitorius
[30,38,50]. Epigenetiniai pokyčiai, ypač CDKN2A,
PTEN ir RASSF1A genų metilinimas, siejami su
greitesniu ligos progresavimu ir atsparumu gydymui
[22,52]. Transkriptominė analizė atskleidžia genų
raiškos modelius, susijusius su naviko agresyvumu ir
terapiniu atsaku, įskaitant interferono-γ signalinius
profilius bei MITF ir AXL tranksripcines ląstelių
būsenas, atspindinčias melanomos diferenciacijos,
invazyvumo ir atsparumo gydymui ypatumus. [39].
Genetinių, transkriptominių ir imuninių duomenų
visuma leidžia visapusiškiau įvertinti naviko biologiją
ir imuninę mikroaplinką, todėl suteikia galimybę
tiksliau prognozuoti ligos eigą ir numatyti
imunoterapijos efektyvumą, lyginant su pavienių
biomarkerių analize [53].
4 lentelė. Pagrindiniai melanomos cirkuliuojantys biomarkeriai [43-51]
Cirkuliuojantis
biomarkeris
Reikšmė
Žymenys, kuriuos
galima nustatyti
ctDNR (laisvai
cirkuliuojanti DNR)
Leidžia nustatyti naviko genetinį profilį ir ligos aktyvumą, todėl
taikoma ligos stadijos ir gydymo atsako stebėjimui bei ankstyvam
progresavimo nustatymui.
BRAF V600E,
NRAS Q61R
CTC
(cirkuliuojančios
naviko ląstelės)
Leidžia įvertinti naviko invazyvumą ir metastazavimo potencialą;
didelis kiekis siejamas su pažengusia liga ir nepalankiomis
klinikinėmis baigtimis.
MCAM, MART-1,
gp100
Egzosomos
Leidžia nustatyti naviko ir imuninės sistemos sąveiką, svarbią
imuninių moduliacijos procesų ir atsparumo gydymui vertinimui.
PD-L1
Egzosominės miRNR
Leidžia įvertinti genų reguliacijos pokyčius ir naviko progresavimą;
gali būti naudojama kaip galimi progresavimo ir atsparumo
biomarkeriai.
miR-21, miR-155,
miR-211
5 lentelė. Molekulinių pokyčių tipai melanomoje ir jų klinikinė reikšmė [22,30,38,39,52,53]
Molekulinių
pokyčių tipas
Pagrindiniai pavyzdžiai
Biologinė reikšmė
Klinikinė reikšmė
Genetiniai pokyčiai
BRAF V600E, NRAS Q61,
KIT amplifikacijos, TERT
promotoriaus mutacijos
Signalinių kelių
aktyvacija, naviko
proliferacija
Prognostinė ir predikcinė
reikšmė; gydymo (taikinių
terapijos, imunoterapijos)
parinkimas
Naviko mutacijų
gausa
Didelis somatinių mutacijų
skaičius
Padidėjęs naviko
imunogeniškumas
Predikcinė reikšmė – geresnis
atsakas į PD-1 / PD-L1 ir
CTLA-4 inhibitorius
Epigenetiniai
pokyčiai
CDKN2A, PTEN,
RASSF1A metilinimas
Naviko supresorių
inaktyvacija
Siejami su greitesniu ligos
progresavimu ir atsparumu
gydymui
Transkriptominiai
profiliai
IFN-γ signaliniai profiliai,
MITF-high / AXL-high
būsenos
Naviko diferenciacija,
invazyvumas,
plastiškumas
Atsako į gydymą ir terapinio
atsparumo prognozavimas
3.6. Klinikinis melanomos biomarkerių
pritaikymas ir ateities perspektyvos
Melanomos biomarkeriai atlieka svarbų vaidmenį
šiuolaikinėje klinikinėje praktikoje, nes leidžia
individualizuoti gydymą ir tiksliau vertinti ligos eigą.
Audinių biomarkeriai, tokie kaip BRAF, NRAS, KIT
ir PD-L1, yra naudingi parenkant tinkamiausią taikinių
terapiją ar imunoterapiją pagal konkretaus naviko
Journal of Medical Sciences. 18 Jun, 2026 - Volume 14 | Issue 4. Electronic - ISSN: 2345-0592
31
molekulines ir imunines savybes. Tuo tarpu
cirkuliuojantys biomarkeriai, įskaitant ctDNR,
cirkuliuojančias naviko ląsteles, egzosomas ir
mikroRNR, suteikia galimybę neinvaziniu būdu
stebėti ligos dinamiką ir gydymo atsaką [54].
Vaizdiniais tyrimais pagrįsti biomarkeriai papildo
molekulinius duomenis, nes leidžia įvertinti naviko
heterogeniškumą, jo erdvinę struktūrą bei naviko
mikroaplinkos pokyčius gydymo metu [53]. Vis dėlto
platesnį šių biomarkerių taikymą klinikinėje
praktikoje riboja metodologiniai iššūkiai, tokie kaip
metodų patikimumo ir klinikinio pagrįstumo
užtikrinimas, rezultatų pakartojamumas ir duomenų
interpretacijos sudėtingumas, taip pat etiniai aspektai,
ypač susiję su skystosios biopsijos metodais ir
dirbtiniu intelektu pagrįsta duomenų analize [55].
Ateityje pažangesnis molekulinių, cirkuliuojančių ir
vaizdinių biomarkerių derinimas, pasitelkiant
dirbtinio intelekto sprendimus, galėtų padėti anksčiau
nustatyti atsparumo gydymui mechanizmus ir dar
labiau individualizuoti terapiją, taip prisidedant prie
precizinės onkologijos plėtros [52].
4. Išvados
Melanomai būdingas didelis biologinis ir molekulinis
heterogeniškumas lemia poreikį taikyti įvairius
biomarkerius, siekiant geriau įvertinti ligos eigą,
numatyti prognozę ir atsaką į gydymą. Šiuo metu
klinikinėje praktikoje naudojami seruminiai ir audinių
biomarkeriai suteikia vertingos prognostinės
informacijos, tačiau jų jautrumas ir specifiškumas yra
ribotas. Sparčiai vystomi molekuliniai, genetiniai,
imunologiniai ir cirkuliuojantys biomarkeriai atveria
naujas galimybes stebėti ligos dinamiką, anksčiau
nustatyti atsparumo gydymui mechanizmus ir
individualizuoti gydymą. Vis dėlto platesnį šių
biomarkerių pritaikymą kasdienėje klinikinėje
praktikoje vis dar riboja metodologiniai iššūkiai, tokie
kaip tyrimų metodų patikimumo užtikrinimas ir
sudėtinga duomenų interpretacija. Dėl šių priežasčių,
siekiant užtikrinti individualizuotą gydymą ir geresnes
pacientų klinikines baigtis, ateityje į precizinės
onkologijos praktiką svarbu diegti standartizuotus,
patikimus ir kliniškai pagrįstus biomarkerius.
Literatūros šaltiniai
1. Mihulecea CJ, Rotaru M. The key factors to
melanomagenesis. Life (Basel). 2023;13(1):181.
doi:10.3390/life13010181.
2. Mallouhy A, Kounsselie E, Bitar A, Makhoul
E, Al-Janabi MH, Alshehabi Z, Georgeos M. Rapid
onset and unpredicted findings of a giant nodular
melanoma arising on a congenital nevus: a case report.
Oxf Med Case Reports. 2022;2022(11):omac128.
doi:10.1093/omcr/omac128.
3. Huang K, Kim MO. Therapeutic strategies
for drug-resistant melanoma and their clinical
implications. J Cancer Prev. 2025;30(1):7–11.
doi:10.15430/JCP.24.028.
4. Li Z, Fang Y, Chen H, Zhang T, Yin X, Man
J, Yang X, Lu M. Spatiotemporal trends of the global
burden of melanoma in 204 countries and territories
from 1990 to 2019: results from the 2019 Global
Burden of Disease study. Neoplasia. 2022;24(1):12–
21. doi:10.1016/j.neo.2021.11.013.
5. Zhou L, Zhong Y, Han L, Xie Y, Wan M.
Global, regional, and national trends in the burden of
melanoma and non-melanoma skin cancer: insights
from the Global Burden of Disease study 1990–2021.
Sci Rep. 2025;15(1):5996. doi:10.1038/s41598-025-
90485-3.
6. Mei Y, Chen MM, Liang H, Ma L. A four-
gene signature predicts survival and anti-CTLA4
immunotherapeutic responses based on immune
Journal of Medical Sciences. 18 Jun, 2026 - Volume 14 | Issue 4. Electronic - ISSN: 2345-0592
32
classification of melanoma. Commun Biol.
2021;4(1):383. doi:10.1038/s42003-021-01911-x.
7. Ding L, Gosh A, Lee DJ, Emri G, Huss WJ,
Bogner PN, Paragh G. Prognostic biomarkers of
cutaneous melanoma. Photodermatol Photoimmunol
Photomed. 2022;38(5):418–434.
doi:10.1111/phpp.12770.
8. Desai AD, Chinta S, Yeh C, Shah VP, Shah R,
Paskhover B, Schwartz RA. An analysis of lactate
dehydrogenase (LDH) levels in advanced stage IV
melanoma of the skin: prognostic capabilities and
demographic variability. Arch Dermatol Res.
2023;315(4):799–806. doi:10.1007/s00403-022-
02425-0.
9. Xing X, Fang Z. Prognostic value of C-
reactive protein in patients with melanoma: a meta-
analysis. Ann Med. 2025;57(1):2521446.
doi:10.1080/07853890.2025.2521446.
10. Janka EA, Várvölgyi T, Sipos Z, Soós A,
Hegyi P, Kiss S, Dembrovszky F, Csupor D, Kéringer
P, Pécsi D, Solymár M, Emri G. Predictive
performance of serum S100B versus LDH in
melanoma patients: a systematic review and meta-
analysis. Front Oncol. 2021;11:772165.
doi:10.3389/fonc.2021.772165.
11. Hai J, Meyer SN, Wong SL, Li Y, Simmons
E, Miglioretti D, Fung MA, Kiuru M. Comparison of
S100A8 and PRAME as biomarkers for distinguishing
melanoma from melanocytic naevus: a case-control
analysis. Clin Exp Dermatol. 2024;49(6):584–590.
doi:10.1093/ced/llae005.
12. Huang N, Lee KJ, Stark MS. Current trends
in circulating biomarkers for melanoma detection.
Front Med (Lausanne). 2022;9:873728.
doi:10.3389/fmed.2022.873728.
13. Gassenmaier M, Lenders MM, Forschner A,
Leiter U, Weide B, Garbe C, Eigentler TK, Wagner
NB. Serum S100B and LDH at baseline and during
therapy predict the outcome of metastatic melanoma
patients treated with BRAF inhibitors. Target Oncol.
2021;16(2):197–205. doi:10.1007/s11523-021-00792-
8.
14. Șiancu P, Oprinca GC, Vulcu AC, Pătran M,
Croitoru AE, Tănăsescu D, Bratu D, Boicean A,
Tănăsescu C. The significance of C-reactive protein
value and tumor grading for malignant tumors: a
systematic review. Diagnostics (Basel).
2024;14(18):2073. doi:10.3390/diagnostics14182073.
15. Yang Y, Fang H, Cai Z, Xu Q. Prognostic
significance of neutrophil-to-lymphocyte ratio in
melanoma: a systematic review and meta-analysis. J
Surg Oncol. 2025;132(3):456–464.
doi:10.1002/jso.70039.
16. Ertekin SS, Mangas C, Riquelme-Mc
Loughlin C, Carrera C, Malvehy J, Puig S, Podlipnik
S. Prognostic value of the neutrophil-to-lymphocyte
ratio, platelet-to-lymphocyte ratio and monocyte-to-
lymphocyte ratio in melanoma patients: a cohort study.
Acta Derm Venereol. 2024;104:adv27571.
doi:10.2340/actadv.v104.27571.
17. Rugambwa TK, Abdihamid O, Zhang X,
Peng Y, Cai C, Shen H, Zeng S, Qiu W. Neutrophil-
lymphocyte ratio and platelet-lymphocyte ratio as
potential predictive markers of treatment response in
cancer patients treated with immune checkpoint
inhibitors: a systematic review and meta-analysis.
Front Oncol. 2023;13:1181248.
doi:10.3389/fonc.2023.1181248.
18. Ou Y, Liang S, Gao Q, Shang Y, Liang J,
Zhang W, Liu S. Prognostic value of inflammatory
markers NLR, PLR, LMR, dNLR and ANC in
melanoma patients treated with immune checkpoint
inhibitors: a meta-analysis and systematic review.
Journal of Medical Sciences. 18 Jun, 2026 - Volume 14 | Issue 4. Electronic - ISSN: 2345-0592
33
Front Immunol. 2024;15:1482746.
doi:10.3389/fimmu.2024.1482746.
19. Di Raimondo C, Fico A, Cicala M, Caposiena
Caro RD, Di Domenico P, Lozzi F, Paganini C, Rossi
P, Rapanotti C, Galluzzo M, Campione E, Emberti
Gialloreti L, Bianchi L. Peripheral blood inflammation
indexes correlate with advanced stages in cutaneous
melanoma: a single-center retrospective study.
Melanoma Res. 2025;35(5):361–365.
doi:10.1097/CMR.0000000000001056.
20. Gambichler T, Stang A, Mansour R, Scheel
CH, Nick C, Abu Rached N, Becker JC, Susok L.
Prognostic potential of the baseline pan-immune-
inflammation value and neutrophil/lymphocyte ratio
in stage I to III melanoma patients. Cancers (Basel).
2022;14(18):4410. doi:10.3390/cancers14184410.
21. Han SN, Feng SJ, Liu Y. Prognostic and
clinicopathological significance of the platelet-to-
lymphocyte ratio in melanoma: a meta-analysis
involving 2099 patients. Kaohsiung J Med Sci.
2021;37(1):55–62. doi:10.1002/kjm2.12290.
22. Hanson KE, Azar MM, Banerjee R, Chou A,
Colgrove RC, Ginocchio CC, et al. Molecular testing
for acute respiratory tract infections: clinical and
diagnostic recommendations from the IDSA’s
diagnostics committee. Clin Infect Dis.
2020;71(10):2744–2751. doi:10.1093/cid/ciaa508.
23. Benguigui M, Cooper TJ, Kalkar P, Schif-
Zuck S, Halaban R, Bacchiocchi A, et al. Interferon-
stimulated neutrophils as a predictor of
immunotherapy response. Cancer Cell.
2024;42(2):253–265.e12.
doi:10.1016/j.ccell.2023.12.005.
24. Borcoman E, Kanjanapan Y, Champiat S,
Kato S, Servois V, Kurzrock R, et al. Novel patterns of
response under immunotherapy. Ann Oncol.
2019;30(3):385–396. doi:10.1093/annonc/mdz003.
25. Dromain C, Beigelman C, Pozzessere C,
Duran R, Digklia A. Imaging of tumor response to
immunotherapy. Eur Radiol Exp. 2020;4(1):2.
doi:10.1186/s41747-019-0134-1.
26. Trebeschi S, Drago SG, Birkbak NJ,
Kurilova I, Cǎlin AM, Delli Pizzi A, et al. Predicting
response to cancer immunotherapy using noninvasive
radiomic biomarkers. Ann Oncol. 2019;30(6):998–
1004. doi:10.1093/annonc/mdz108.
27. Akhoundova D, Rubin MA. Clinical
application of advanced multi-omics tumor profiling:
shaping precision oncology of the future. Cancer Cell.
2022;40(9):1021–1034.
doi:10.1016/j.ccell.2022.08.011.
28. Babu M, Snyder M. Multi-omics profiling for
health. Mol Cell Proteomics. 2023;22(6):100561.
doi:10.1016/j.mcpro.2023.100561.
29. Gautam Y, Johansson E, Mersha TB. Multi-
omics profiling approach to asthma: an evolving
paradigm. J Pers Med. 2022;12(1):66.
doi:10.3390/jpm12010066.
30. Arneth B. Tumor microenvironment.
Medicina (Kaunas). 2020;56(1):15.
doi:10.3390/medicina56010015.
31. Anderson NM, Simon MC. The tumor
microenvironment. Curr Biol. 2020;30(16):R921–
R925. doi:10.1016/j.cub.2020.06.081.
32. Li Y, Zhao L, Li XF. Hypoxia and the tumor
microenvironment. Technol Cancer Res Treat.
2021;20:15330338211036304.
doi:10.1177/15330338211036304.
33. Roma-Rodrigues C, Mendes R, Baptista PV,
Fernandes AR. Targeting the tumor microenvironment
for cancer therapy. Int J Mol Sci. 2019;20(4):840.
doi:10.3390/ijms20040840.
34. Letai A, Bhola P, Welm AL. Functional
precision oncology: testing tumors with drugs to
Journal of Medical Sciences. 18 Jun, 2026 - Volume 14 | Issue 4. Electronic - ISSN: 2345-0592
34
identify vulnerabilities and novel combinations.
Cancer Cell. 2022;40(1):26–35.
doi:10.1016/j.ccell.2021.12.004.
35. Lee JS, Nair NU, Dinstag G, Chapman L,
Chung Y, Wang K, et al. Synthetic lethality-mediated
precision oncology via the tumor transcriptome. Cell.
2021;184(9):2487–2502.e13.
doi:10.1016/j.cell.2021.03.030.
36. Ding S, Hsu C, Wang Z, Natesh NR, Millen
R, Negrete M, et al. Patient-derived micro-
organospheres enable clinical precision oncology. Cell
Stem Cell. 2022;29(6):905–917.e6.
doi:10.1016/j.stem.2022.04.006.
37. Rodriguez H, Zenklusen JC, Staudt LM,
Doroshow JH, Lowy DR. The next horizon in
precision oncology: proteogenomics to inform cancer
diagnosis and treatment. Cell. 2021;184(7):1661–
1670. doi:10.1016/j.cell.2021.02.055.
38. Lassen UN, Makaroff LE, Stenzinger A,
Italiano A, Vassal G, Garcia-Foncillas J, Avouac B.
Precision oncology: a clinical and patient perspective.
Future Oncol. 2021;17(33):4475–4485.
doi:10.2217/fon-2021-0688.
39. Eckardt JN, Wendt K, Bornhäuser M,
Middeke JM. Reinforcement learning for precision
oncology. Cancers (Basel). 2021;13(18):4624.
doi:10.3390/cancers13184624.
40. Wang CW, Khalil MA, Firdi NP. A survey
on deep learning for precision oncology. Diagnostics
(Basel). 2022;12(6):1489.
doi:10.3390/diagnostics12061489.
41. Pich O, Bailey C, Watkins TBK, Zaccaria S,
Jamal-Hanjani M, Swanton C. The translational
challenges of precision oncology. Cancer Cell.
2022;40(6):458–472.
doi:10.1016/j.ccell.2022.04.002.
42. Dlamini Z, Francies FZ, Hull R, Marima R.
Artificial intelligence and big data in cancer and
precision oncology. Comput Struct Biotechnol J.
2020;18:2300–2311. doi:10.1016/j.csbj.2020.08.019.
43. Lim SY, Lee JH, Diefenbach RJ, Kefford RF,
Rizos H. Liquid biomarkers in melanoma: detection
and discovery. Mol Cancer. 2018;17(1):8.
doi:10.1186/s12943-018-0757-5.
44. Puglisi R, Bellenghi M, Pontecorvi G,
Pallante G, Carè A, Mattia G. Biomarkers for
diagnosis, prognosis, and response to immunotherapy
in melanoma. Cancers (Basel). 2021;13(12):2875.
doi:10.3390/cancers13122875.
45. Calapre L, Warburton L, Millward M, Ziman
M, Gray ES. Circulating tumor DNA as a liquid biopsy
for melanoma. Cancer Lett. 2017;404:62–69.
doi:10.1016/j.canlet.2017.06.030.
46. Elazezy M, Joosse SA. Techniques of
circulating tumor DNA as a liquid biopsy component
in cancer management. Comput Struct Biotechnol J.
2018;16:370–378. doi:10.1016/j.csbj.2018.10.002.
47. Chakrabarti S, Xie H, Urrutia R, Mahipal A.
The promise of circulating tumor DNA in managing
early-stage colon cancer: a critical review. Cancers
(Basel). 2020;12(10):2808.
doi:10.3390/cancers12102808.
48. Asante DB, Calapre L, Ziman M, Meniawy
TM, Gray ES. Liquid biopsy in ovarian cancer using
circulating tumor DNA and cells: ready for prime
time? Cancer Lett. 2020;468:59–71.
doi:10.1016/j.canlet.2019.10.014.
49. Shields MD, Chen K, Dutcher G, Patel I,
Pellini B. Making the rounds: exploring the role of
circulating tumor DNA in non-small cell lung cancer.
Int J Mol Sci. 2022;23(16):9006.
doi:10.3390/ijms23169006.
Journal of Medical Sciences. 18 Jun, 2026 - Volume 14 | Issue 4. Electronic - ISSN: 2345-0592
35
50. Chin RI, Chen K, Usmani A, Chua C, Harris
PK, Binkley MS, et al. Detection of solid tumor
molecular residual disease using circulating tumor
DNA. Mol Diagn Ther. 2019;23(3):311–331.
doi:10.1007/s40291-019-00390-5.
51. Wang DR, Wu XL, Sun YL. Therapeutic
targets and biomarkers of tumor immunotherapy:
response versus non-response. Signal Transduct
Target Ther. 2022;7(1):331. doi:10.1038/s41392-022-
01136-2.
52. Zob DL, Augustin I, Caba L, Panzaru MC,
Popa S, Popa AD, et al. Genomics and epigenomics in
the molecular biology of melanoma: a prerequisite for
biomarker studies. Int J Mol Sci. 2023;24(1):716.
doi:10.3390/ijms24010716.
53. Rulten SL, Grose RP, Gatz SA, Jones JL,
Cameron AJM. The future of precision oncology. Int J
Mol Sci. 2023;24(16):12613.
doi:10.3390/ijms241612613.
54. Sánchez-Herrero E, Serna-Blasco R, Robado
de Lope L, González-Rumayor V, Romero A,
Provencio M. Circulating tumor DNA as a cancer
biomarker: an overview of biological features and
factors that may impact ctDNA analysis. Front Oncol.
2022;12:943253. doi:10.3389/fonc.2022.943253.
55. Pascual J, Attard G, Bidard FC, Curigliano G,
De Mattos-Arruda L, Diehn M, et al. ESMO
recommendations on circulating tumor DNA assays
for patients with cancer. Ann Oncol. 2022;33(8):750–
768. doi:10.1016/j.annonc.2022.05.520.
Journal of Medical Sciences. 18 Jun, 2026 - Volume 14 | Issue 4. Electronic - ISSN: 2345-0592
36