Strumento diagnostico basato sul microbioma per lo screening del cancro del colon-retto (GUILTI) (GUILTI)

Il cancro del colon-retto (CRC) è il terzo tumore più comune e la seconda causa più comune di morte per cancro in tutto il mondo, con quasi 2 milioni di nuovi casi e un milione di decessi nel 2020. Negli ultimi decenni, i programmi di screening basati sulla popolazione per le popolazioni a rischio medio si sono affermati come una strategia efficace per ridurre sia l’incidenza che la mortalità del CRC attraverso la diagnosi precoce del cancro. Il test immunochimico fecale (FIT), lo strumento diagnostico di riferimento nella maggior parte dei paesi, ha ancora una resa diagnostica non ottimale, con adenomi mancati e, soprattutto, colonscopie non necessarie. Per queste ragioni, negli ultimi anni l’identificazione di nuovi biomarcatori non invasivi è assolutamente sostenuta nel campo del CRC. Numerose evidenze dimostrano che le alterazioni del microbioma intestinale e l’arricchimento di taxa specifici (ad es. Fusobacterium nucleatum, Parvimonas micra e altri) sono coinvolti nella patogenesi del CRC. Inoltre, studi recenti, comprese meta-analisi metagenomiche del nostro gruppo, hanno scoperto firme microbiche comuni in grado di discriminare in modo riproducibile tra pazienti con CRC e controlli sani. Sulla base di queste evidenze, le linee guida internazionali hanno recentemente sostenuto lo sfruttamento di biomarcatori basati sul microbioma per lo screening del CRC nella pratica clinica, ma tali studi ad oggi non sono ancora disponibili.

L’obiettivo primario è sviluppare uno strumento diagnostico basato sul microbioma intestinale per l’identificazione del CRC e degli adenomi colorettali avanzati.

Gli obiettivi secondari sono:

• Associare il FIT agli esiti clinici e alla colonscopia
• Caratterizzare il microbioma intestinale dei pazienti arruolati
• Associare le firme del microbioma agli esiti clinici e alla colonscopia. Si tratta di uno studio osservazionale prospettico multicentrico, in cui i pazienti saranno selezionati tra quelli arruolati nel programma nazionale di screening del cancro del colon-retto (CRC) e tra quelli che si riferiscono a tutti i centri coinvolti in questo studio per lo screening colonscopico. Per questo studio verranno presi in considerazione i pazienti con tutti i criteri di inclusione e nessuno dei criteri di esclusione (dettagliati nella sezione specifica di questo sito Web). Verranno arruolati N = 1202 pazienti, in base al calcolo della dimensione del campione e includendo un gruppo di validazione. Saranno necessari N = 911 pazienti e aggiungeremo 91 pazienti per coprire un potenziale abbandono del 10% e 200 pazienti come gruppo di validazione (20% della coorte di studio). I pazienti arruolati in questa coorte di validazione avranno gli stessi criteri di esclusione e inclusione degli altri pazienti e saranno sottoposti alle stesse procedure di studio. Al basale tutti i pazienti arruolati forniranno un campione fecale (raccolto utilizzando un tampone per la conservazione del genoma) entro 2 settimane dall'arruolamento e verrà conservato a -80 ° C in ciascun centro clinico e gli verranno assegnati ID anonimi. Verranno inoltre registrate le caratteristiche demografiche, cliniche e di laboratorio.

Per tutti i pazienti arruolati i medici registreranno i seguenti dati:

• Storia familiare di CRC;
• Comorbilità;
• Assunzione di farmaci;
• Sintomi gastrointestinali (GI) e di allarme (anemia da carenza di ferro, ematochezia, perdita di peso inspiegabile, dolore addominale, cambiamento improvviso delle abitudini intestinali);
• Abitudini alimentari;
• Fumo e consumo di alcol;
• BMI (indice di massa corporea);
• Dati FIT quantitativi;
• Informazioni su precedenti FIT e/o colonscopie e/o colonscopie virtuali.

Tutti i pazienti arruolati verranno sottoposti a colonscopia entro 4 settimane dal FIT positivo, dopo le caratteristiche endoscopiche della colonscopia (dimensione, sede, forma in base alla classe di Paris.) e verranno raccolte le caratteristiche istopatologiche delle lesioni rilevate. Gli adenomi colorettali avanzati saranno definiti come adenomi maggiori o uguali a 10 mm, e/o con componenti villose superiori o uguali al 25%, e/o displasia di alto grado. Inoltre, i pazienti con diagnosi di CRC, saranno sottoposti anche ad un esame totale -TC corporea per stadiare la malattia e verrà indirizzata ad un percorso oncologico nella pratica clinica, e verranno raccolti i seguenti dati: presenza di metastasi linfonodali e di metastasi d'organo, TNM (Tumor-Node-Metastasis). La fase di arruolamento durerà 48 mesi. Al termine della fase di arruolamento, i ricercatori eseguiranno l'analisi del microbioma e combineranno dati clinici, endoscopici e microbici attraverso l'apprendimento statistico e automatico algoritmi per identificare specifici biomarcatori microbici associati al CRC e agli adenomi colorettali avanzati, per sviluppare un nuovo strumento diagnostico, basato su un sistema di punteggio.

I risultati degli studi sono dettagliati nella sezione specifica di questo sito. L'analisi del microbioma sarà effettuata con tecniche di sequenziamento shotgun. Inoltre, per ottenere un pannello di specie microbiche per lo più associate al CRC e agli adenomi colorettali avanzati, i ricercatori sfrutteranno applicazioni di apprendimento automatico, ad esempio, utilizzando gli algoritmi Random Forest ampiamente adottati, nonché approcci meta-analitici che integrano la nostra ampia coorte con quelli precedentemente pubblicati gruppi metagenomici. Un pannello definito di specie microbiche per lo più associate al CRC e agli adenomi colorettali avanzati fornirà un punteggio di rischio completo basato sulle caratteristiche del microbioma, con due obiettivi specifici, per migliorare l'accuratezza dei test dello strumento diagnostico FIT e per essere facilmente interpretabile dai medici.Tutti i i dati clinici raccolti verranno combinati statisticamente per classificare le caratteristiche microbiche dalla più a quella meno associata.

Queste classifiche verranno sfruttate per valutare il profilo del microbioma di un nuovo individuo e per segnalare quante delle specie definite nel pannello precedente vengono trovate e quindi collegate al CRC e agli adenomi colorettali avanzati. Le associazioni tra le specie identificate e i produttori di interesse saranno stimate attraverso robusti metodi di analisi statistica, come la correlazione parziale o la modellazione lineare. Successivamente le associazioni verranno classificate e confrontate tra marcatori per la stessa specie, assegnando un punteggio di priorità per ciascuna specie. Particolare attenzione sarà dedicata all'identificazione di potenziali marcatori confondenti noti per essere associati a differenze nella composizione del microbioma, ad esempio l'età, che invece dovrebbero essere utilizzati come covariate nella modellizzazione statistica. Oltre alla modellazione statistica, le associazioni tra specie e marcatori verranno valutate anche tramite approcci ML, in particolare quelli che forniscono punteggi di importanza per le caratteristiche di input (specie, nel nostro caso), che possono essere utilizzati per classificare le specie attraverso i diversi marcatori ( per esempio. Foresta casuale, LASSO, ecc.). Le variabili continue saranno riportate come media ± deviazione standard o come mediana e intervallo interquartile (IQR) e le variabili categoriche sono state riassunte come frequenza e percentuale. I confronti delle variabili verranno effettuati mediante il test t (o Mann-Whitney/Kruskal-Wallis), il test del Chi-quadrato o il test esatto di Fisher, a seconda dei casi. Verrà considerato un valore p <0,05 per indicare la significatività statistica. Verranno utilizzati modelli di regressione logistica per identificare la presenza di variabili indipendentemente associate ai risultati. Le variabili considerate nei modelli sono state selezionate attraverso la selezione graduale del modello e guidate dalla rilevanza clinica. Tutte le analisi statistiche sono state eseguite utilizzando SPSS v. 28.0 per Macintosh (SPSS Inc., Chicago, USA).

I ricercatori utilizzeranno un framework di Machine Learning (ML) basato sul pacchetto scikit-learn Python utilizzando un approccio di convalida incrociata con 100 iterazioni bootstrap e una suddivisione casuale 80/20 in pieghe di training e test. Gli algoritmi di classificazione e regressione ML saranno addestrati sia sulle abbondanze relative tassonomiche a livello di specie di microbioma che sui profili di potenziale funzionale. Le abbondanze tassonomiche a livello di specie saranno stimate da MetaPhlAn 4 (utilizzando gli ultimi database disponibili, attualmente denominati Oct22) e normalizzate utilizzando la trasformazione arcsin-sqrt per i dati compositivi. I profili potenziali funzionali saranno stimati utilizzando l'ultima versione di HUMAnN 4 e i ricercatori prenderanno in considerazione sia le stime dell'abbondanza delle singole famiglie di geni microbici che delle vie metaboliche. Le correlazioni parziali tra specie e marcatori saranno calcolate utilizzando l'indice di Spearman, per evitare distorsioni dovute a valori anomali e corrette per covariate, come sesso, età e indice di massa corporea, note per avere un impatto sulla composizione del microbioma. I valori di correlazione parziale verranno corretti utilizzando la procedura Benjamini-Hochberg per il tasso di false scoperte.