Évaluation de plusieurs biomarqueurs protéiques et moléculaires pour estimer le risque de cancer chez les patientes en gynécologie présentant une masse pelvienne. (EMBER)

Cette étude est de nature exploratoire et est conçue pour générer des hypothèses afin de soutenir la conception d'études futures. Femmes diagnostiquées avec une masse pelvienne (ovarienne, utérine, rétropéritonéale, etc.) qui doivent subir une biopsie guidée par imagerie, une biopsie chirurgicale ou une excision chirurgicale pour l'évaluation de leur masse pelvienne. On estime qu'environ 200 femmes seront inscrites pour l'évaluation des paramètres primaires et exploratoires. L'inscription à l'étude se poursuivra au-delà de 200 femmes si nécessaire pour obtenir un minimum de 50 femmes évaluables avec une malignité confirmée par histopathologie, y compris ovarienne, utérine, péritonéale, endométriale, cervicale, etc.

Dans les 60 jours précédant la procédure d'évaluation de la masse pelvienne, chaque sujet doit subir une étude d'imagerie pelvienne (par ex. échographie, tomodensitométrie, IRM, etc.) réalisées et lues pour visualiser la masse pelvienne selon les normes de soins en vigueur. Les résultats des études d'imagerie pelvienne seront enregistrés.

Dans les 30 jours précédant ou le jour de la procédure d'évaluation de la masse pelvienne, prélever jusqu'à 35 mL de sang total dans un tube SST de 5 mL, qui doit être prélevé en premier, suivi de trois tubes EDTA de 10 mL séparés. Le sérum du tube SST sera utilisé pour les tests de biomarqueurs protéiques. Le sang des tubes EDTA sera regroupé et traité sur le système Parsortix™ pour capturer et récolter les cellules rares. Les cellules rares capturées seront éluées (récoltées) et lysées, et l'ARN total sera extrait du lysat cellulaire pour l'évaluation de multiples cibles génétiques.

La biopsie guidée par imagerie, la biopsie chirurgicale ou l'excision chirurgicale pour l'évaluation de la masse pelvienne seront effectuées par une personne qualifiée. Des échantillons de tissus seront envoyés au service de pathologie local pour un examen histologique conformément aux pratiques institutionnelles standard. Les résultats de l'évaluation histopathologique seront enregistrés, y compris le diagnostic final ainsi que le sous-type histologique et, si disponible, le stade du cancer où la maladie est identifiée. Dans la mesure du possible, des échantillons représentatifs de tissus frais congelés de la masse pelvienne seront obtenus à des fins de recherche pour l'évaluation des mêmes cibles génétiques d'ARNm utilisées dans les récoltes de cellules.

Les sujets seront considérés comme négatifs pour la malignité :

• si le sujet subit une intervention chirurgicale et qu'aucune masse n'est identifiée, ou ;
• si les résultats histopathologiques sont négatifs pour la malignité (c'est-à-dire conditions bénignes).

Les sujets seront considérés comme positifs pour la malignité :

• si l'examen histologique des tissus prélevés au moment de la biopsie ou de la chirurgie confirme la présence d'une tumeur maligne (c'est-à-dire cancers de l'ovaire, du péritoine primitif, des trompes de Fallope, de l'endomètre, de l'utérus, du col de l'utérus, métastatiques, etc.).

Aux fins de l'inscription, les sujets diagnostiqués avec un faible potentiel malin (LMP) / tumeurs borderline seront considérés comme bénins (négatifs pour la malignité). Cependant, deux analyses distinctes des données finales de l'étude seront menées : une où les sujets diagnostiqués avec un faible potentiel de malignité (LMP) / tumeurs limites sont classés comme étant négatifs pour la malignité et une deuxième fois où ces sujets sont classés comme étant positifs pour la malignité.

Pour les sujets diagnostiqués avec une tumeur maligne, un examen semestriel du dossier médical sera effectué jusqu'à 5 ans après leur inscription à l'étude pour recueillir des informations concernant leur réponse au traitement, la sensibilité et la résistance à la chimiothérapie, le temps de récidive, le temps de progression et l'ensemble survie.

Un algorithme pour la prédiction des maladies bénignes par rapport aux maladies malignes sera construit en utilisant les informations cliniques, les biomarqueurs sériques et les marqueurs d'ARNm. Des analyses supplémentaires peuvent être effectuées au sein et entre divers sous-groupes de diagnostic histopathologique. La sélection des variables et la construction de l'algorithme se feront à l'aide de diverses méthodes statistiques, telles que la régression logistique, le regroupement hiérarchique, les arbres de classification et de régression (CART), l'évaluation de la courbe ROC, l'analyse de sensibilité/spécificité, le traçage visuel pour la détermination des seuils, etc. Les entrées pour l'évaluation peuvent inclure des variables continues (par ex. âge, dimensions de l'ovaire et de la masse dominante, résultats des biomarqueurs sériques, niveaux d'expression de l'ARNm, etc.), variables catégorielles (par ex. groupes d'âge, résultats de biomarqueurs par tranches, niveaux d'expression d'ARNm par tranches, etc.) et/ou variables binaires (par ex. présence ou absence de facteurs de risque particuliers et/ou de caractéristiques d'imagerie, âge supérieur ou inférieur à un seuil particulier, statut ménopausique, résultats de biomarqueurs supérieurs ou inférieurs à un seuil particulier, niveaux d'expression d'ARNm supérieurs ou inférieurs à un seuil particulier, etc.). Un seuil pour la sortie des algorithmes résultants pour différencier les maladies bénignes et malignes (ou un sous-groupe de celles-ci, comme les patientes atteintes d'un cancer épithélial de l'ovaire uniquement) sera sélectionné pour optimiser la sensibilité à une spécificité définie (par ex. maximiser la sensibilité à un niveau de spécificité minimum > 80 %).

À la fin de la période de suivi à long terme, l'association des données cliniques et des marqueurs avec la réponse au traitement du sujet, la sensibilité et la résistance à la chimiothérapie, le délai de récidive, le délai de progression et la survie globale sera évaluée à l'aide des méthodes statistiques appropriées ( par exemple. tableaux 2x2, analyses de corrélation, régression des risques de Cox, diagramme de Kaplan-Meier, etc.).