Udvikling af en prædiktiv model for risikoen for metastatisk sygdom i PPGL'er, en retrospektiv kohorteundersøgelse (PPGL-Pred)

Fæokromocytomer og paragangliomer (PPGL'er) er tumorer i henholdsvis binyremarven og det ekstra adrenale sympatiske nervesystem, som ofte udskiller katekolaminer(1). Tumorerne stammer fra den neurale kam og ca. 50% er forårsaget af en kimlinjevariant. På grund af den stærke arvelighed anbefales genetisk testning hos alle patienter med PPGL'er (2-5). De fleste PPGL'er er ikke-maligne (defineret som ikke-metastatiske) tumorer og reagerer godt på kirurgisk behandling. Cirka 15 % af PPGL'er er metastaserende og uhelbredelige ved aktuelt tilgængelige terapier(1). Den seneste WHO Blue Book klassificerer alle PPGL'er som muligvis ondartede på grund af deres uforudsigelige adfærd(6).

PPGL'er er meget heterogene tumorer prædisponeret af mere end 20 forskellige gener(1). I to tredjedele af tumorerne kan en kimlinje eller somatisk variant identificeres, og PPGL'er er således blevet opdelt i særskilte biologiske undergrupper på basis af disse varianter(1). En konsensuserklæring fra 2017 fastslog nødvendigheden af ​​et målrettet genpanel (Next-Generation Sequencing, NGS) hos alle PPGL-patienter og test af tumor-DNA, hvis muligt for at identificere potentielle fremtidige mål for lægemiddelbehandlinger(2). Desuden har epigenetiske ændringer i PPGL'er og andre endokrine tumorer vist sig at være forbundet med risikoen for metastatisk sygdom (7-11), og fremtidig forskning bør fokuseres på at forstå både epigenetiske og genetiske ændringer i PPGL'er, da dette vil åbne muligheder for målrettet molekylær terapier og personlig medicin(11,12). Det er blevet påvist, at DNA-methyleringsbaseret tumorklassificering er et værdifuldt aktiv for klinisk beslutningstagning(13).

Mange histopatologiske prædiktive risikofaktorer for dårlig prognose er blevet foreslået, og scoringssystemer er blevet udviklet til at identificere de PPGL'er, der har et metastatisk potentiale. PASS (Pheochromocytoma of the Adrenal Gland Scaled Score) og GAPP (Grading system for Adrenal Phaeochromocytoma and Paraganglioma) er de mest kendte (1,14-18). I en nylig metaanalyse blev algoritmerne evalueret, og det blev konkluderet, at begge algoritmer havde en lav positiv prædiktiv værdi, men en høj negativ prædiktiv værdi for PPGL'er, hvilket indikerede, at modellerne var relevante til at udelukke metastatisk potentiale for begge tumortyper i stedet for at identificere tilfælde med øget risiko for spredt sygdom. Dette kan højst sandsynligt tilskrives subjektiv vurdering af kriterier involveret i disse scoringssystemer. Forfatterne konkluderede, at inklusion af NGS-data og en overordnet molekylær tilgang er nødvendig for nøjagtigt at lokalisere tilfælde med risiko for fremtidige metastaser(19). Endvidere er der behov for en algoritme baseret på objektive målinger for at sikre objektivitet i den patologiske diagnose af PPGL'er, svarende til algoritmer for binyrebarkcarcinomer som Helsinki Score og Reticulin Algorithm(19-21). Til dette formål har computerstøttede teknikker vist lovende resultater(11,20).

Korrekt identifikation af PPGL'er med en fremtidig risiko for metastatisk sygdom er en klinisk udfordring, som påvirker ikke kun lægerne, men også patienterne og deres familiemedlemmer. Dagens kliniske retningslinjer er baseret på 'rule all in'-metoder, som har en omkostningsfuld indvirkning på sundhedsressourcerne og patienternes livskvalitet. En algoritme baseret på histopatologiske, genetiske, epigenetiske og kliniske variabler kan være nyttig til at stratificere patienter i risikokategorier med forskellige behov for klinisk opfølgning.

Pilotundersøgelse: Patienter fulgt på Københavns Universitetshospital, København har været en del af et pilotstudie om effekten af ​​genetisk screening af familiemedlemmer med SDHX-varianter på den kliniske præsentation af tilfælde. Varianter af SDHX (SDHA, -AF2, -B, -C, -D) gener er en hyppig årsag til familiære PPGL'er. Efterforskerne fandt tydelige forskelle i de kliniske og histopatologiske karakteristika mellem genetiske varianter i SDHB. Familiescreening for SDHB-varianter resulterede i tidligere påvisning af tumorer i to familier. Patienter med SDHA, SDHC og SDHD varianter havde også alvorlige fænotyper, hvilket understreger nødvendigheden af ​​en bred genetisk screening af probandet. Undersøgelsen bekræftede tidligere resultater af dårlige prognostiske markører og fandt, at de genetiske varianter og den kliniske fænotype er forbundet og derfor nyttige i beslutningen om klinisk opfølgning. Denne undersøgelse er præsenteret som kandidatafhandling ved Københavns Universitet 2019 (karakter A) og manuskriptet er udgivet(22). Undersøgelsen bekræfter gennemførligheden af ​​det aktuelle projekt.

Studiets proces

Del 1: Beskrivelse af genotype-fænotype associationen i en landsdækkende kohorte på ca. 400 patienter med PPGL'er eller genetiske varianter af kimlinje, der disponerer for PPGL'er ved hjælp af kliniske data, biokemiske variabler, tumorkarakteristika og billeddannelsesresultater. Denne nationale kohorte vil give karakterisering af patienter, der gør det muligt at identificere henholdsvis et metastatisk og ikke-metastatisk klinisk forløb.

Del 2: Identifikation af nye prognostiske biomarkører ved hjælp af formalinfikserede paraffinindlejrede tumorvævsprøver til genetisk testning (NGS for somatiske varianter), DNA-methylering, PASS-scoring og immunhistokemiske markører. Fra Region Hovedstaden vil tyve patienter med dårlig prognose (bevis for metastaser) og 20 patienter med god prognose (ikke-metastaserende) blive inkluderet. Resultaterne vil blive brugt til at udvikle en ny algoritme til klinisk prognose.

Del 3: Validering af den nye algoritme i en anden subkohorte af patienter med tumorvævsprøver udvalgt tilfældigt fra den nationale kohorte. Tumorprøver vil blive udsat for undersøgelse af de samme nye prognostiske biomarkører, der er identificeret i del 2. Resultaterne vil blive indtastet i den nye algoritme for at teste, om det kliniske forløb kan forudsiges nøjagtigt.

Formidling Positive, negative eller inkonklusive resultater vil blive offentliggjort i peer-reviewede internationale tidsskrifter og præsenteret på videnskabelige møder og i relevante patientfora. Studiegruppemedlemmerne er tilknyttet ENDO-ERN (European Reference Network on Rare Endocrine Conditions), et europæisk samarbejde mellem højt specialiserede centre, der behandler sjældne endokrine tilstande, hvorigennem resultaterne kan formidles (https://endo-ern.eu/).

For at sikre fuldstændighed og gennemsigtighed i rapporteringen af ​​resultater vil efterforskerne bruge STROBEs rapporteringsretningslinjer, der er relevante for kohorteundersøgelser.

Patientinddragelse:

Patienter med levede erfaringer bidrager med yderligere ekspertise og giver værdifuld, ny indsigt og forbedrer dermed effektiviteten af ​​undersøgelsen. Endvidere er patientperspektivet væsentligt i præsentationen af ​​resultaterne. Relevante patienter med den pågældende sygdom fra vores ambulatorium vil blive inviteret til at deltage i Styregruppen.

Sikkerhed og etiske overvejelser Behandling af personoplysninger: Generel databeskyttelsesforordning vil blive nøje overholdt. Godkendelse af Etisk Udvalg for Region Hovedstaden er givet (H-20065699, 19. februar 2021).

Database: Databasen etableres under RedCap, som er landsdækkende tilgængelig og administreres centralt af databeskyttelsesenheden i Region Hovedstaden.

Statistik: Baseret på tidligere undersøgelser, som har udviklet lignende algoritmer (20,21), vil efterforskerne have brug for ca. 200 patienter for at opnå statistisk styrke i forhold til validering af algoritmen i den større kohorte. Studiepopulationskarakteristika vil blive præsenteret ved hjælp af beskrivende statistik. Gruppeforskelle vil primært blive testet ved hjælp af ikke-parametriske tests (Mann-Whitney, Wilcoxon) eller t-test. Associationer mellem genotypen og fænotypen vil blive analyseret ved ANOVA (variansanalyse) og regressionsanalyse, der kontrollerer for relevante konfoundere, dvs. alder og køn, hvor det er relevant. Følsomheden og specificiteten af ​​algoritmen til at forudsige dårligt eller godt resultat vil blive bestemt ved hjælp af multiple regressionsanalyser, Chi2 og ROC (Receiver Operating Characteristics). Efterforskerne vil søge hjælp hos professionelle statistikere ved Københavns Universitet ved Statistisk Rådgivning for ph.d.-studerende og studerende ved Det Sundhedsvidenskabelige Fakultet.