Entwicklung eines Vorhersagemodells für das Risiko einer Metastasierung bei PPGLs, eine retrospektive Kohortenstudie (PPGL-Pred)

Phäochromozytome und Paragangliome (PPGLs) sind Tumore des Nebennierenmarks bzw. des extra-adrenalen sympathischen Nervensystems, die häufig Katecholamine sezernieren(1). Die Tumoren gehen von der Neuralleiste aus und werden zu etwa 50 % durch eine Keimbahnvariante verursacht. Aufgrund der starken Erblichkeit wird bei allen Patienten mit PPGL (2-5) eine genetische Untersuchung empfohlen. Die meisten PPGLs sind nicht maligne (definiert als nicht metastasierende) Tumore und sprechen gut auf eine chirurgische Behandlung an. Etwa 15 % der PPGLs sind metastasiert und mit derzeit verfügbaren Therapien nicht heilbar(1). Das neueste Blaubuch der WHO stuft alle PPGLs aufgrund ihres unvorhersehbaren Verhaltens als möglicherweise bösartig ein(6).

PPGLs sind sehr heterogene Tumore, die durch mehr als 20 unterschiedliche Gene prädisponiert sind(1). Bei zwei Dritteln der Tumoren kann eine Keimbahn- oder somatische Variante identifiziert werden, weshalb PPGLs auf der Grundlage dieser Varianten in verschiedene biologische Untergruppen eingeteilt wurden(1). In einer Konsenserklärung aus dem Jahr 2017 wurde die Notwendigkeit eines zielgerichteten Gen-Panels (Next-Generation Sequencing, NGS) bei allen PPGL-Patienten und nach Möglichkeit der Untersuchung von Tumor-DNA festgestellt, um potenzielle zukünftige Ziele für Arzneimitteltherapien zu identifizieren(2). Darüber hinaus wurde gezeigt, dass epigenetische Veränderungen in PPGLs und anderen endokrinen Tumoren mit dem Risiko einer metastasierten Erkrankung assoziiert sind (7-11), und zukünftige Forschung sollte sich darauf konzentrieren, sowohl epigenetische als auch genetische Veränderungen in PPGLs zu verstehen, da dies Möglichkeiten für gezielte molekulare Untersuchungen eröffnen wird Therapien und personalisierte Medizin(11,12). Es wurde gezeigt, dass die auf DNA-Methylierung basierende Tumorklassifizierung ein wertvolles Hilfsmittel für die klinische Entscheidungsfindung ist(13).

Viele histopathologische prädiktive Risikofaktoren für eine schlechte Prognose wurden vorgeschlagen und Scoring-Systeme wurden entwickelt, um jene PPGLs zu identifizieren, die ein metastasierendes Potenzial haben. Am bekanntesten sind die Scores PASS (Pheochromocytoma of the Adrenal Gland Scaled Score) und GAPP (Grading system for Adrenal Phaeochromocytoma and Paraganglioma) (1,14-18). In einer kürzlich durchgeführten Metaanalyse wurden die Algorithmen evaluiert, und es wurde festgestellt, dass beide Algorithmen einen niedrigen positiven Vorhersagewert, aber einen hohen negativen Vorhersagewert für PPGLs hatten, was darauf hinwies, dass die Modelle für den Ausschluss eines metastasierenden Potenzials für beide Tumortypen relevant waren, anstatt sie zu identifizieren Fälle mit einem erhöhten Risiko einer disseminierten Erkrankung. Dies könnte höchstwahrscheinlich auf die subjektive Bewertung der Kriterien dieser Bewertungssysteme zurückgeführt werden. Die Autoren kamen zu dem Schluss, dass die Einbeziehung von NGS-Daten und ein molekularer Gesamtansatz erforderlich sind, um Fälle mit einem Risiko für zukünftige Metastasen genau zu lokalisieren(19). Darüber hinaus besteht ein Bedarf an einem Algorithmus, der auf objektiven Messungen basiert, um Objektivität bei der pathologischen Diagnose von PPGLs zu gewährleisten, ähnlich wie Algorithmen für Nebennierenkarzinome wie der Helsinki-Score und der Reticulin-Algorithmus(19-21). Zu diesem Zweck haben computergestützte Techniken vielversprechende Ergebnisse gezeigt(11,20).

Die korrekte Identifizierung von PPGLs mit einem zukünftigen Metastasierungsrisiko ist eine klinische Herausforderung, die nicht nur die Ärzte, sondern auch die Patienten und ihre Familienangehörigen betrifft. Die heutigen klinischen Leitlinien basieren auf „rule all in“-Methoden, die kostspielige Auswirkungen auf die Ressourcen des Gesundheitswesens und die Lebensqualität der Patienten haben. Ein auf histopathologischen, genetischen, epigenetischen und klinischen Variablen basierender Algorithmus kann hilfreich sein, um Patienten in Risikokategorien mit unterschiedlichem Bedarf an klinischer Nachsorge einzuteilen.

Pilotstudie: Patienten, die am Kopenhagener Universitätskrankenhaus, Kopenhagen, beobachtet wurden, waren Teil einer Pilotstudie über die Wirkung des genetischen Screenings von Familienmitgliedern mit SDHX-Varianten auf die klinische Darstellung von Fällen. Varianten der SDHX-Gene (SDHA, -AF2, -B, -C, -D) sind eine häufige Ursache für familiäre PPGLs. Die Forscher fanden deutliche Unterschiede in den klinischen und histopathologischen Merkmalen zwischen den genetischen Varianten von SDHB. Das Familien-Screening auf SDHB-Varianten führte in zwei Familien zu einer früheren Erkennung von Tumoren. Patienten mit SDHA-, SDHC- und SDHD-Varianten hatten ebenfalls schwere Phänotypen, was die Notwendigkeit eines breiten genetischen Screenings des Probanden unterstreicht. Die Studie bestätigte frühere Erkenntnisse über schlechte prognostische Marker und stellte fest, dass die genetischen Varianten und der klinische Phänotyp miteinander verbunden sind und daher bei der Entscheidung über die klinische Nachsorge hilfreich sind. Diese Studie wurde als Masterarbeit an der Universität Kopenhagen 2019 (Grade A) vorgelegt und das Manuskript veröffentlicht(22). Die Studie bestätigt die Machbarkeit des aktuellen Projekts.

Ablauf des Studiums

Teil 1: Beschreibung der Genotyp-Phänotyp-Assoziation in einer landesweiten Kohorte von etwa 400 Patienten mit PPGLs oder Keimbahn-Genvarianten, die für PPGLs prädisponieren, unter Verwendung klinischer Daten, biochemischer Variablen, Tumorcharakteristika und bildgebender Ergebnisse. Diese nationale Kohorte wird eine Charakterisierung von Patienten ermöglichen, die es ermöglicht, einen metastasierten bzw. nicht metastasierten klinischen Verlauf zu identifizieren.

Teil 2: Identifizierung neuartiger prognostischer Biomarker unter Verwendung von Formalin-fixierten Paraffin-eingebetteten Tumorgewebeproben für genetische Tests (NGS für somatische Varianten), DNA-Methylierung, PASS-Scoring und immunhistochemische Marker. Zwanzig Patienten mit schlechter Prognose (Nachweis von Metastasen) und 20 Patienten mit guter Prognose (keine Metastasen) werden aus der Hauptstadtregion Dänemarks eingeschlossen. Die Ergebnisse werden verwendet, um einen neuen Algorithmus für die klinische Prognose zu entwickeln.

Teil 3: Validierung des neuen Algorithmus in einer zweiten Subkohorte von Patienten mit zufällig ausgewählten Tumorgewebeproben aus der nationalen Kohorte. Tumorproben werden auf dieselben neuartigen prognostischen Biomarker untersucht, die in Teil 2 identifiziert wurden. Die Ergebnisse werden in den neuen Algorithmus eingegeben, um zu testen, ob der klinische Verlauf genau vorhergesagt werden kann.

Verbreitung Positive, negative oder nicht schlüssige Ergebnisse werden in von Experten begutachteten internationalen Fachzeitschriften veröffentlicht und auf wissenschaftlichen Tagungen und in relevanten Patientenforen präsentiert. Die Mitglieder der Studiengruppe sind ENDO-ERN (Europäisches Referenznetzwerk für seltene endokrine Erkrankungen) angeschlossen, einer europäischen Zusammenarbeit hochspezialisierter Zentren zur Behandlung seltener endokriner Erkrankungen, über die die Ergebnisse verbreitet werden können (https://endo-ern.eu/).

Um Vollständigkeit und Transparenz bei der Berichterstattung der Ergebnisse zu gewährleisten, verwenden die Prüfärzte die für Kohortenstudien relevanten STROBE-Berichtsleitlinien.

Patientenbeteiligung:

Patienten mit gelebten Erfahrungen bringen zusätzliches Fachwissen ein und geben wertvolle, neue Erkenntnisse und verbessern so die Effektivität der Studie. Darüber hinaus ist die Patientenperspektive bei der Darstellung der Ergebnisse wesentlich. Relevante Patientinnen und Patienten mit der betreffenden Erkrankung aus unserer Ambulanz werden zur Teilnahme am Lenkungsausschuss eingeladen.

Sicherheits- und ethische Erwägungen Umgang mit personenbezogenen Daten: Die Datenschutz-Grundverordnung wird strikt eingehalten. Die Genehmigung der Ethikkommission für die Hauptstadtregion wurde erteilt (H-20065699, 19. Februar 2021).

Datenbank: Die Datenbank wird unter RedCap aufgebaut, die landesweit zugänglich ist und zentral von der Datenschutzstelle der Hauptstadtregion verwaltet wird.

Statistik: Basierend auf früheren Studien, die ähnliche Algorithmen entwickelt haben (20,21), benötigen die Forscher etwa 200 Patienten, um eine statistische Aussagekraft in Bezug auf die Validierung des Algorithmus in der größeren Kohorte zu erreichen. Die Merkmale der Studienpopulation werden anhand deskriptiver Statistiken dargestellt. Gruppenunterschiede werden hauptsächlich mit nichtparametrischen Tests (Mann-Whitney, Wilcoxon) oder t-Test getestet. Assoziationen zwischen Genotyp und Phänotyp werden durch ANOVA (Varianzanalyse) und Regressionsanalyse analysiert, wobei relevante Confounder, d. h. Alter und Geschlecht, gegebenenfalls kontrolliert werden. Die Sensitivität und Spezifität des Algorithmus zur Vorhersage eines schlechten oder guten Ergebnisses wird anhand multipler Regressionsanalysen, Chi2 und ROC (Receiver Operating Characteristics) bestimmt. Die Ermittler werden professionelle Statistiker der Universität Kopenhagen beim Statistischen Beratungsdienst für Doktoranden und Studenten der Fakultät für Gesundheitswissenschaften um Hilfe bitten.