Herramienta de diagnóstico basada en microbiomas para la detección del cáncer colorrectal (GUILTI) (GUILTI)

El cáncer colorrectal (CCR) es el tercer cáncer más común y la segunda causa más común de muerte por cáncer en todo el mundo, con casi 2 millones de casos nuevos y un millón de muertes en 2020. En las últimas décadas, los programas de cribado poblacional para poblaciones de riesgo medio se han establecido como una estrategia eficaz para reducir tanto la incidencia como la mortalidad del CCR mediante la detección temprana del cáncer. Las pruebas inmunoquímicas fecales (FIT), la herramienta de diagnóstico de referencia en la mayoría de los países, todavía tienen un rendimiento diagnóstico subóptimo, ya que se pasan por alto adenomas y, principalmente, colonoscopias innecesarias. Por estas razones, en los últimos años se aboga absolutamente por la identificación de biomarcadores novedosos y no invasivos en el campo del CCR. Una gran cantidad de evidencia muestra que las alteraciones del microbioma intestinal y el enriquecimiento de taxones específicos (p. ej. Fusobacterium nucleatum, Parvimonas micra y otros) están involucrados en la patogénesis del CCR. Además, estudios recientes, incluidos metanálisis metagenómicos de nuestro grupo, han descubierto firmas microbianas comunes capaces de discriminar de manera reproducible entre pacientes con CCR y controles sanos. Sobre la base de esta evidencia, las directrices internacionales han abogado recientemente por la explotación de biomarcadores basados ​​en microbiomas para la detección del CCR en la práctica clínica, pero dichos estudios aún no están disponibles hasta la fecha.

El objetivo principal es desarrollar una herramienta de diagnóstico basada en el microbioma intestinal para la identificación de CCR y adenomas colorrectales avanzados.

Los objetivos secundarios son:

• Asociar FIT con resultados clínicos y de colonoscopia.
• Caracterizar el microbioma intestinal de los pacientes inscritos.
• Asociar firmas de microbiomas con resultados clínicos y de colonoscopia. Este es un estudio observacional prospectivo multicéntrico, en el que los pacientes serán seleccionados entre los inscritos en el programa nacional de detección de cáncer colorrectal (CCR) y entre los que remiten a todos los centros involucrados en este estudio para la colonoscopia de detección. Se considerarán para este estudio pacientes con todos los criterios de inclusión y ninguno de los criterios de exclusión (detallados en la sección específica de este sitio web). Se inscribirán N = 1202 pacientes, según el cálculo del tamaño de la muestra e incluyendo un grupo de validación. Se necesitarán N = 911 pacientes y agregaremos 91 pacientes para cubrir un posible abandono del 10 % y 200 pacientes como grupo de validación (20 % de la cohorte del estudio). Los pacientes inscritos en esta cohorte de validación tendrán los mismos criterios de exclusión e inclusión que otros pacientes y se someterán a los mismos procedimientos del estudio. Al inicio del estudio, todos los pacientes inscritos proporcionarán una muestra fecal (recogida utilizando un tampón para la preservación del genoma) dentro de las 2 semanas posteriores a la inscripción y se almacenarán a -80 °C en cada centro clínico y se les asignarán identificaciones no identificadas. Además se registrarán las características demográficas, clínicas y los datos de laboratorio.

Para todos los pacientes inscritos, los médicos registrarán los siguientes datos:

• Historia familiar de CCR;
• Comorbilidades;
• Ingesta de medicamentos;
• Síntomas gastrointestinales (GI) y de alarma (anemia por deficiencia de hierro, hematoquezia, pérdida de peso inexplicable, dolor abdominal, cambio repentino en los hábitos intestinales);
• Hábitos dietéticos;
• Tabaquismo y consumo de alcohol;
• IMC (índice de masa corporal);
• Datos cuantitativos FIT;
• Información sobre FIT previos y/o colonoscopias y/o colonoscopias virtuales.

Todos los pacientes inscritos se someterán a una colonoscopia dentro de las 4 semanas posteriores al FIT positivo, después de las características endoscópicas de la colonoscopia (tamaño, sitio, forma según la clase de París). y se recogerán las características histopatológicas de las lesiones detectadas. Los adenomas colorrectales avanzados se definirán como adenomas mayores o iguales a 10 mm, y/o con componentes vellosos mayores o iguales al 25%, y/o displasia de alto grado. Además, los pacientes diagnosticados de CCR, también serán sometidos a una prueba total. -TC corporal para estadificar la enfermedad y se derivará a una vía oncológica en la práctica clínica, y se recogerán los siguientes datos: presencia de metástasis en ganglios linfáticos y metástasis en órganos, TNM. Clase (Tumor-Nodo-Metástasis). La fase de inscripción durará 48 meses. Al final de la fase de inscripción, los investigadores realizarán el análisis del microbioma y los investigadores combinarán datos clínicos, endoscópicos y microbianos mediante aprendizaje estadístico y automático. algoritmos para identificar biomarcadores microbianos específicos asociados con el CCR y adenomas colorrectales avanzados, para desarrollar una nueva herramienta de diagnóstico, basada en un sistema de puntuación.

Los resultados del estudio se detallan en el apartado específico de esta web. El análisis del microbioma se realizará con técnicas de secuenciación de escopeta. Además, para obtener un panel de especies microbianas asociadas principalmente con el CCR y los adenomas colorrectales avanzados, los investigadores explotarán aplicaciones de aprendizaje automático, por ejemplo, utilizando los algoritmos Random Forest ampliamente adoptados, así como enfoques metaanalíticos que integran nuestra gran cohorte con publicaciones previamente publicadas. cohortes metagenómicas. Un panel definido de especies microbianas asociadas principalmente con CCR y adenomas colorrectales avanzados proporcionará una puntuación de riesgo integral basada en las características del microbioma, con dos objetivos específicos: mejorar la precisión de las pruebas de la herramienta de diagnóstico FIT y que sea fácilmente interpretable por los médicos. Los datos clínicos recopilados se combinarán estadísticamente para clasificar las características microbianas de mayor a menor asociación.

Estas clasificaciones se aprovecharán para evaluar el perfil del microbioma de un nuevo individuo y para informar cuántas de las especies definidas en el panel anterior se encuentran y, por lo tanto, se vinculan con el CCR y los adenomas colorrectales avanzados. Las asociaciones entre las especies identificadas y los fabricantes de interés se estimarán mediante métodos de análisis estadístico sólidos, como la correlación parcial o el modelado lineal. Luego, las asociaciones se clasificarán y compararán entre marcadores de la misma especie, otorgando una puntuación de prioridad para cada especie. Se prestará especial atención a identificar posibles marcadores de confusión que se sabe que están asociados con diferencias en la composición del microbioma, por ejemplo, la edad, que en su lugar deberían usarse como covariables en el modelado estadístico. Además del modelado estadístico, las asociaciones entre especies y marcadores también se evaluarán mediante enfoques de ML, en particular aquellos que proporcionan puntuaciones de importancia de las características de entrada (especies, en nuestro caso), que pueden usarse para clasificar las especies entre los diferentes marcadores ( p.ej. Bosque aleatorio, LASSO, etc.). Las variables continuas se informarán como media ± desviación estándar o como mediana y rango intercuartil (RIQ), y las variables categóricas se resumieron como frecuencia y porcentaje. Las comparaciones de variables se realizarán mediante prueba t (o Mann-Whitney/Kruskal-Wallis), prueba de Chi-cuadrado o prueba exacta de Fisher, según corresponda. Se considerará que un valor de p <0,05 indica significancia estadística. Se realizarán modelos de regresión logística para identificar la presencia de variables asociadas de forma independiente con los resultados. Las variables consideradas en los modelos se seleccionaron mediante una selección de modelos gradual y guiadas por la relevancia clínica. Todos los análisis estadísticos se realizaron con SPSS v. 28.0 para Macintosh (SPSS Inc., Chicago, EE. UU.).

Los investigadores emplearán un marco de aprendizaje automático (ML) basado en el paquete Python scikit-learn utilizando un enfoque de validación cruzada con 100 iteraciones de arranque y una división aleatoria 80/20 en pliegues de entrenamiento y prueba. Los algoritmos de ML de clasificación y regresión se entrenarán tanto en abundancias relativas taxonómicas a nivel de especies de microbiomas como en perfiles de potencial funcional. MetaPhlAn 4 estimará las abundancias taxonómicas a nivel de especie (utilizando las últimas bases de datos disponibles, actualmente denominadas Oct22) y las normalizará mediante la transformación arcsin-sqrt para datos de composición. Los perfiles de potencial funcional se estimarán utilizando la última versión de HUMAnN 4 y los investigadores considerarán tanto estimaciones de abundancia de familias de genes microbianos individuales como de vías metabólicas. Las correlaciones parciales entre especies y marcadores se calcularán utilizando el índice de Spearman, para evitar sesgos debido a valores atípicos y se corregirán según las covariables, como el sexo, la edad y el índice de masa corporal, que se sabe que tienen un impacto en la composición del microbioma. Los valores de correlación parcial se corregirán utilizando el procedimiento de Benjamini-Hochberg para la tasa de descubrimientos falsos.