Sviluppo di un modello predittivo per il rischio di malattia metastatica nei PPGL, uno studio di coorte retrospettivo (PPGL-Pred)

I feocromocitomi e i paragangliomi (PPGL) sono rispettivamente tumori della midollare del surrene e del sistema nervoso simpatico extra-surrenale, che spesso secernono catecolamine(1). I tumori derivano dalla cresta neurale e circa il 50% è causato da una variante della linea germinale. A causa della forte ereditarietà, il test genetico è raccomandato in tutti i pazienti con PPGL (2-5). La maggior parte dei PPGL sono tumori non maligni (definiti come non metastatici) e rispondono bene al trattamento chirurgico. Circa il 15% dei PPGL è metastatico e incurabile con le terapie attualmente disponibili(1). L'ultimo Libro blu dell'OMS classifica tutti i PPGL come potenzialmente maligni a causa del loro comportamento imprevedibile(6).

I PPGL sono tumori molto eterogenei predisposti da più di 20 geni distinti(1). In due terzi dei tumori è possibile identificare una variante germinale o somatica e quindi i PPGL sono stati suddivisi in sottogruppi biologici distinti sulla base di queste varianti (1). Una dichiarazione di consenso del 2017 ha affermato la necessità di un pannello genetico mirato (Next-Generation Sequencing, NGS) in tutti i pazienti affetti da PPGL e test del DNA tumorale, se possibile, per identificare potenziali bersagli futuri per le terapie farmacologiche(2). Inoltre, è stato dimostrato che i cambiamenti epigenetici nei PPGL e in altri tumori endocrini sono associati al rischio di malattia metastatica (7-11) e la ricerca futura dovrebbe essere focalizzata sulla comprensione dei cambiamenti sia epigenetici che genetici nei PPGL poiché ciò aprirà opportunità per studi molecolari mirati terapie e medicina personalizzata(11,12). È stato dimostrato che la classificazione dei tumori basata sulla metilazione del DNA è una risorsa preziosa per il processo decisionale clinico(13).

Sono stati proposti molti fattori di rischio predittivi istopatologici per prognosi sfavorevole e sono stati sviluppati sistemi di punteggio per identificare quei PPGL che hanno un potenziale metastatico. I punteggi PASS (Pheochromocytoma of the Surrenal Gland Scaled Score) e GAPP (Grading system for Surrenal Phaeochromocytoma and Paraganglioma) sono i più conosciuti (1,14-18). In una recente meta-analisi gli algoritmi sono stati valutati e si è concluso che entrambi gli algoritmi avevano un basso valore predittivo positivo ma un alto valore predittivo negativo per i PPGL, il che indicava che i modelli erano rilevanti per escludere il potenziale metastatico per entrambi i tipi di tumore piuttosto che identificare casi con un aumentato rischio di malattia disseminata. Ciò potrebbe molto probabilmente essere attribuito alla valutazione soggettiva dei criteri coinvolti in questi sistemi di punteggio. Gli autori hanno concluso che l'inclusione dei dati NGS e un approccio molecolare globale sono necessari per individuare con precisione i casi a rischio di future metastasi(19). Inoltre, è necessario un algoritmo basato su misurazioni oggettive per garantire l'obiettività nella diagnosi patologica dei PPGL, simile agli algoritmi per i carcinomi surrenalici come l'Helsinki Score e il Reticulin Algorithm (19-21). A tal fine le tecniche computer-assistite hanno mostrato risultati promettenti(11,20).

Identificare correttamente i PPGL con un rischio futuro di malattia metastatica è una sfida clinica che ha un impatto non solo sui medici ma anche sui pazienti e sui loro familiari. Le odierne linee guida cliniche si basano su metodi "regola tutto compreso" che hanno un impatto costoso sulle risorse sanitarie e sulla qualità della vita dei pazienti. Un algoritmo basato su variabili istopatologiche, genetiche, epigenetiche e cliniche può essere utile per stratificare i pazienti in categorie di rischio con diverse esigenze di follow-up clinico.

Studio pilota: i pazienti seguiti presso il Copenhagen University Hospital di Copenaghen hanno preso parte a uno studio pilota sull'effetto dello screening genetico dei membri della famiglia con varianti SDHX sulla presentazione clinica dei casi. Le varianti dei geni SDHX (SDHA, -AF2, -B, -C, -D) sono una causa frequente di PPGL familiari. I ricercatori hanno trovato differenze distinte nelle caratteristiche cliniche e istopatologiche tra le varianti genetiche in SDHB. Lo screening familiare per le varianti SDHB ha portato a un rilevamento precoce dei tumori in due famiglie. Anche i pazienti con varianti SDHA, SDHC e SDHD presentavano fenotipi gravi, sottolineando la necessità di un ampio screening genetico del probando. Lo studio ha corroborato le precedenti scoperte di marcatori prognostici scarsi e ha scoperto che le varianti genetiche e il fenotipo clinico sono collegati e quindi utili nella decisione del follow-up clinico. Questo studio è stato presentato come tesi di laurea presso l'Università di Copenaghen 2019 (Grado A) e il manoscritto è stato pubblicato(22). Lo studio conferma la fattibilità del progetto in corso.

Processo dello studio

Parte 1: Descrizione dell'associazione genotipo-fenotipo in una coorte nazionale di circa 400 pazienti con PPGL o varianti genetiche della linea germinale che predispongono a PPGL utilizzando dati clinici, variabili biochimiche, caratteristiche del tumore e risultati di imaging. Questa coorte nazionale fornirà la caratterizzazione dei pazienti rendendo possibile l'identificazione rispettivamente di un decorso clinico metastatico e non metastatico.

Parte 2: Identificazione di nuovi biomarcatori prognostici utilizzando campioni di tessuto tumorale inclusi in paraffina fissati in formalina per test genetici (NGS per varianti somatiche), metilazione del DNA, punteggio PASS e marcatori immunoistochimici. Saranno inclusi venti pazienti con prognosi sfavorevole (prova di metastasi) e 20 pazienti con prognosi buona (non metastatici) dalla regione della capitale della Danimarca. I risultati saranno utilizzati per sviluppare un nuovo algoritmo per la prognosi clinica.

Parte 3: Convalida del nuovo algoritmo in una seconda sottocoorte di pazienti con campioni di tessuto tumorale selezionati a caso dalla coorte nazionale. I campioni tumorali saranno sottoposti a indagine sugli stessi nuovi biomarcatori prognostici identificati nella parte 2. I risultati verranno inseriti nel nuovo algoritmo per verificare se il decorso clinico può essere previsto con precisione.

Divulgazione I risultati positivi, negativi o inconcludenti saranno pubblicati su riviste internazionali sottoposte a revisione paritaria e presentati a convegni scientifici e in forum di pazienti pertinenti. I membri del gruppo di studio sono affiliati a ENDO-ERN (European Reference Network on Rare Endocrine Conditions), una collaborazione europea di centri altamente specializzati che trattano condizioni endocrine rare attraverso la quale i risultati possono essere diffusi (https://endo-ern.eu/).

Per garantire completezza e trasparenza nella segnalazione dei risultati, i ricercatori utilizzeranno le linee guida per la segnalazione STROBE relative agli studi di coorte.

Coinvolgimento del paziente:

I pazienti con esperienze vissute contribuiscono con ulteriori competenze e forniscono preziose e nuove intuizioni e quindi migliorano l'efficacia dello studio. Inoltre, la prospettiva del paziente è essenziale nella presentazione dei risultati. I pazienti rilevanti con la malattia in questione dal nostro ambulatorio saranno invitati a partecipare al Comitato Direttivo.

Considerazioni etiche e di sicurezza Trattamento dei dati personali: il regolamento generale sulla protezione dei dati sarà rigorosamente rispettato. Concessa l'approvazione del Comitato Etico per la Regione della Capitale (H-20065699, 19 febbraio 2021).

Database: il database sarà istituito sotto RedCap, che è accessibile a livello nazionale e gestito centralmente dall'unità di protezione dei dati di The Capital Region.

Statistiche: sulla base di studi precedenti che hanno sviluppato algoritmi simili (20,21) i ricercatori avranno bisogno di circa 200 pazienti per raggiungere il potere statistico in relazione alla convalida dell'algoritmo nella coorte più ampia. Le caratteristiche della popolazione in studio saranno presentate utilizzando statistiche descrittive. Le differenze di gruppo saranno testate principalmente utilizzando test non parametrici (Mann-Whitney, Wilcoxon) o t-test. Le associazioni tra il genotipo e il fenotipo saranno analizzate mediante ANOVA (analisi della varianza) e analisi di regressione controllando i fattori confondenti rilevanti, ovvero età e sesso, ove appropriato. La sensibilità e la specificità dell'algoritmo per prevedere risultati scarsi o buoni saranno determinate utilizzando analisi di regressione multiple, Chi2 e ROC (caratteristiche operative del ricevitore). I ricercatori cercheranno l'aiuto di statistici professionisti dell'Università di Copenaghen presso il Servizio di consulenza statistica per dottorandi e studenti della Facoltà di scienze della salute.