Desarrollo de un modelo predictivo para el riesgo de enfermedad metastásica en PPGL, un estudio de cohorte retrospectivo (PPGL-Pred)

Los feocromocitomas y paragangliomas (PPGL) son tumores de la médula suprarrenal y del sistema nervioso simpático extraadrenal, respectivamente, que a menudo secretan catecolaminas(1). Los tumores se derivan de la cresta neural y aproximadamente el 50% son causados ​​por una variante de la línea germinal. Debido a la fuerte heredabilidad, se recomiendan pruebas genéticas en todos los pacientes con PPGL (2-5). La mayoría de los PPGL son tumores no malignos (definidos como no metastásicos) y responden bien al tratamiento quirúrgico. Aproximadamente el 15% de los PPGL son metastásicos e incurables con las terapias actualmente disponibles(1). El último Libro Azul de la OMS clasifica a todos los PPGL como posiblemente malignos debido a su comportamiento impredecible(6).

Los PPGL son tumores muy heterogéneos predispuestos por más de 20 genes distintos(1). En dos tercios de los tumores se puede identificar una variante somática o de línea germinal y, por lo tanto, los PPGL se han dividido en distintos subgrupos biológicos sobre la base de estas variantes (1). Una declaración de consenso de 2017 declaró la necesidad de un panel de genes dirigidos (secuenciación de próxima generación, NGS) en todos los pacientes con PPGL y pruebas de ADN tumoral si es posible para identificar posibles objetivos futuros para terapias farmacológicas (2). Además, se ha demostrado que los cambios epigenéticos en los PPGL y otros tumores endocrinos están asociados con el riesgo de enfermedad metastásica(7-11) y la investigación futura debe centrarse en comprender los cambios tanto epigenéticos como genéticos en los PPGL, ya que esto abrirá oportunidades para estudios moleculares específicos. terapias y medicina personalizada(11,12). Se ha demostrado que la clasificación de tumores basada en la metilación del ADN es un activo valioso para la toma de decisiones clínicas(13).

Se han propuesto muchos factores de riesgo predictivos histopatológicos de mal pronóstico y se han desarrollado sistemas de puntuación para identificar aquellos PPGL que tienen un potencial metastásico. Las puntuaciones PASS (Pheochromocytoma of the Adrenal Gland Scaled Score) y GAPP (Grading system for Adrenal Phaeochromocytoma and Paraganglioma) son las más conocidas (1,14-18). En un metanálisis reciente, se evaluaron los algoritmos y se concluyó que ambos tenían un valor predictivo positivo bajo pero un valor predictivo negativo alto para los PPGL, lo que indicó que los modelos eran relevantes para descartar el potencial metastásico para ambos tipos de tumores en lugar de identificar casos con un mayor riesgo de enfermedad diseminada. Lo más probable es que esto se pueda atribuir a la evaluación subjetiva de los criterios que intervienen en estos sistemas de puntuación. Los autores concluyeron que se necesita la inclusión de datos de NGS y un enfoque molecular general para identificar con precisión los casos en riesgo de futuras metástasis(19). Además, existe la necesidad de un algoritmo basado en medidas objetivas para garantizar la objetividad en el diagnóstico patológico de los PPGL, similar a los algoritmos para los carcinomas adrenocorticales como el Helsinki Score y el Reticulina Algorithm(19-21). Para ello, las técnicas asistidas por computadora han mostrado resultados prometedores(11,20).

Identificar correctamente los PPGL con riesgo futuro de enfermedad metastásica es un desafío clínico que impacta no solo a los médicos sino también a los pacientes y sus familiares. Las guías clínicas actuales se basan en métodos de "regla general" que tienen un impacto costoso en los recursos de atención médica y la calidad de vida de los pacientes. Un algoritmo basado en variables histopatológicas, genéticas, epigenéticas y clínicas puede ser útil para estratificar a los pacientes en categorías de riesgo con diferentes necesidades de seguimiento clínico.

Estudio piloto: los pacientes seguidos en el Hospital Universitario de Copenhague, Copenhague, han sido parte de un estudio piloto sobre el efecto de la detección genética de miembros de la familia con variantes SDHX en la presentación clínica de los casos. Las variantes de los genes SDHX (SDHA, -AF2, -B, -C, -D) son una causa frecuente de PPGL familiares. Los investigadores encontraron claras diferencias en las características clínicas e histopatológicas entre las variantes genéticas en SDHB. La detección familiar de variantes de SDHB dio como resultado una detección más temprana de tumores en dos familias. Los pacientes con variantes SDHA, SDHC y SDHD también tenían fenotipos graves, lo que subraya la necesidad de un amplio cribado genético del probando. El estudio corroboró hallazgos previos de marcadores de mal pronóstico y encontró que las variantes genéticas y el fenotipo clínico están vinculados y, por lo tanto, son útiles en la decisión de seguimiento clínico. Este estudio ha sido presentado como tesis de maestría en la Universidad de Copenhague 2019 (Grado A) y el manuscrito ha sido publicado(22). El estudio corrobora la factibilidad del proyecto actual.

Proceso del estudio

Parte 1: Descripción de la asociación genotipo-fenotipo en una cohorte nacional de aproximadamente 400 pacientes con PPGL o variantes genéticas de línea germinal que predisponen a PPGL utilizando datos clínicos, variables bioquímicas, características tumorales y resultados de imágenes. Esta cohorte nacional proporcionará la caracterización de los pacientes que permitirá identificar un curso clínico metastásico y no metastásico, respectivamente.

Parte 2: Identificación de nuevos biomarcadores de pronóstico utilizando muestras de tejido tumoral fijadas en formalina e incluidas en parafina para pruebas genéticas (NGS para variantes somáticas), metilación del ADN, puntuación PASS y marcadores inmunohistoquímicos. Se incluirán 20 pacientes con mal pronóstico (prueba de metástasis) y 20 pacientes con buen pronóstico (no metastásico) de la Región Capital de Dinamarca. Los resultados se utilizarán para desarrollar un nuevo algoritmo para el pronóstico clínico.

Parte 3: Validación del nuevo algoritmo en una segunda subcohorte de pacientes con muestras de tejido tumoral seleccionadas al azar de la cohorte nacional. Las muestras de tumores se someterán a la investigación de los mismos biomarcadores de pronóstico novedosos identificados en la parte 2. Los resultados se ingresarán en el nuevo algoritmo para evaluar si el curso clínico se puede predecir con precisión.

Difusión Los resultados positivos, negativos o no concluyentes se publicarán en revistas internacionales revisadas por pares y se presentarán en reuniones científicas y foros de pacientes relevantes. Los miembros del grupo de estudio están afiliados a ENDO-ERN (Red Europea de Referencia sobre Enfermedades Endocrinas Raras), una colaboración europea de centros altamente especializados que tratan enfermedades endocrinas raras a través de la cual se pueden difundir los resultados (https://endo-ern.eu/).

Para garantizar la integridad y la transparencia en el informe de los resultados, los investigadores utilizarán las pautas de informe STROBE relevantes para los estudios de cohortes.

Participación del paciente:

Los pacientes con experiencias vividas aportan experiencia adicional y brindan información valiosa y novedosa y, por lo tanto, mejoran la efectividad del estudio. Además, la perspectiva del paciente es fundamental en la presentación de los resultados. Los pacientes relevantes con la enfermedad en cuestión de nuestra clínica ambulatoria serán invitados a participar en el Comité Directivo.

Consideraciones éticas y de seguridad Tratamiento de datos personales: Se observará estrictamente el Reglamento General de Protección de Datos. Se ha otorgado la aprobación del Comité de Ética de la Región Capital (H-20065699, 19 de febrero de 2021).

Base de datos: La base de datos se establecerá bajo RedCap, que es accesible a nivel nacional y administrada centralmente por la unidad de protección de datos de la Región Capital.

Estadísticas: en base a estudios previos que han desarrollado algoritmos similares (20,21), los investigadores necesitarán aproximadamente 200 pacientes para lograr el poder estadístico en relación con la validación del algoritmo en la cohorte más grande. Las características de la población de estudio se presentarán utilizando estadísticas descriptivas. Las diferencias de grupo se evaluarán principalmente mediante pruebas no paramétricas (Mann-Whitney, Wilcoxon) o la prueba t. Las asociaciones entre el genotipo y el fenotipo se analizarán mediante ANOVA (análisis de varianza) y análisis de regresión controlando los factores de confusión relevantes, es decir, edad y sexo, cuando corresponda. La sensibilidad y especificidad del algoritmo para predecir un resultado malo o bueno se determinará mediante análisis de regresión múltiple, Chi2 y ROC (Características operativas del receptor). Los investigadores buscarán la ayuda de estadísticos profesionales de la Universidad de Copenhague en el Servicio de Asesoramiento Estadístico para estudiantes de doctorado y estudiantes de la Facultad de Ciencias de la Salud.