Utvikling av en prediktiv modell for risikoen for metastatisk sykdom i PPGL-er, en retrospektiv kohortstudie (PPGL-Pred)

Feokromocytomer og paragangliomer (PPGLs) er svulster i henholdsvis binyremargen og det ekstra adrenale sympatiske nervesystemet som ofte skiller ut katekolaminer(1). Svulstene er avledet fra nevrale kam og omtrent 50 % er forårsaket av en kimlinjevariant. På grunn av den sterke arvbarheten anbefales genetisk testing hos alle pasienter med PPGL (2-5). De fleste PPGL-er er ikke-maligne (definert som ikke-metastatiske) svulster og reagerer godt på kirurgisk behandling. Omtrent 15 % av PPGL-er er metastaserende og uhelbredelige ved tilgjengelige terapier(1). Den siste WHO Blue Book klassifiserer alle PPGLer som mulig ondartede på grunn av deres uforutsigbare oppførsel(6).

PPGL-er er svært heterogene svulster predisponert av mer enn 20 forskjellige gener(1). I to tredjedeler av svulstene kan en kimlinje eller somatisk variant identifiseres og dermed er PPGLer blitt delt inn i distinkte biologiske undergrupper på grunnlag av disse variantene(1). En konsensuserklæring fra 2017 uttalte nødvendigheten av et målrettet genpanel (Next-Generation Sequencing, NGS) hos alle PPGL-pasienter og testing av tumor-DNA hvis mulig for å identifisere potensielle fremtidige mål for medikamentell behandling(2). Videre har epigenetiske endringer i PPGL og andre endokrine svulster vist seg å være assosiert med risikoen for metastatisk sykdom(7-11), og fremtidig forskning bør fokuseres på å forstå både epigenetiske og genetiske endringer i PPGL, da dette vil åpne muligheter for målrettet molekylær terapier og personlig tilpasset medisin(11,12). Det er vist at DNA-metyleringsbasert tumorklassifisering er en verdifull ressurs for klinisk beslutningstaking(13).

Mange histopatologiske prediktive risikofaktorer for dårlig prognose har blitt foreslått og skåringssystemer er utviklet for å identifisere de PPGL-ene som har et metastatisk potensial. PASS (Pheochromocytoma of the Adrenal Gland Scaled Score) og GAPP (Grading system for Adrenal Phaeochromocytoma and Paraganglioma) er de mest kjente (1,14-18). I en fersk metaanalyse ble algoritmene evaluert og det ble konkludert med at begge algoritmene hadde en lav positiv prediktiv verdi, men en høy negativ prediktiv verdi for PPGL-er som indikerte at modellene var relevante for å utelukke metastatisk potensial for begge tumortyper i stedet for å identifisere tilfeller med økt risiko for spredt sykdom. Dette kan mest sannsynlig tilskrives subjektiv vurdering av kriterier involvert i disse skåringssystemene. Forfatterne konkluderte med at inkludering av NGS-data og en overordnet molekylær tilnærming er nødvendig for nøyaktig å finne tilfeller med risiko for fremtidige metastaser(19). Videre er det behov for en algoritme basert på objektive målinger for å sikre objektivitet i den patologiske diagnosen av PPGL, lik algoritmer for binyrebarkkarsinomer som Helsinki Score og Reticulin Algorithm(19-21). For dette formål har dataassisterte teknikker vist lovende resultater(11,20).

Korrekt identifisering av PPGL-er med en fremtidig risiko for metastatisk sykdom er en klinisk utfordring som påvirker ikke bare legene, men også pasientene og deres familiemedlemmer. Dagens kliniske retningslinjer er basert på «regel alt i»-metoder som har en kostbar innvirkning på helseressursene og livskvaliteten til pasientene. En algoritme basert på histopatologiske, genetiske, epigenetiske og kliniske variabler kan være nyttig for å stratifisere pasienter i risikokategorier med ulike behov for klinisk oppfølging.

Pilotstudie: Pasienter fulgt ved Københavns Universitetssykehus, København har vært del av en pilotstudie om effekten av genetisk screening av familiemedlemmer med SDHX-varianter på den kliniske presentasjonen av tilfeller. Varianter av SDHX-genene (SDHA, -AF2, -B, -C, -D) er en hyppig årsak til familiære PPGL-er. Etterforskerne fant tydelige forskjeller i de kliniske og histopatologiske egenskapene mellom genetiske varianter i SDHB. Familiescreening for SDHB-varianter resulterte i tidligere påvisning av svulster i to familier. Pasienter med SDHA-, SDHC- og SDHD-varianter hadde også alvorlige fenotyper, noe som understreker nødvendigheten av en bred genetisk screening av probandet. Studien bekreftet tidligere funn av dårlige prognostiske markører og fant at de genetiske variantene og den kliniske fenotypen er knyttet sammen og derfor nyttige i beslutningen om klinisk oppfølging. Denne studien er presentert som masteroppgave ved Københavns Universitet 2019 (karakter A) og manuskriptet er publisert(22). Studien bekrefter gjennomførbarheten til det nåværende prosjektet.

Prosessen med studien

Del 1: Beskrivelse av genotype-fenotype-assosiasjonen i en landsdekkende kohort på omtrent 400 pasienter med PPGL-er eller genetiske varianter av kimlinje som disponerer for PPGL-er ved bruk av kliniske data, biokjemiske variabler, tumorkarakteristikker og bildediagnostiske resultater. Denne nasjonale kohorten skal gi karakterisering av pasienter som gjør det mulig å identifisere henholdsvis metastatisk og ikke-metastatisk klinisk forløp.

Del 2: Identifikasjon av nye prognostiske biomarkører ved bruk av formalinfikserte parafininnstøpte tumorvevsprøver for genetisk testing (NGS for somatiske varianter), DNA-metylering, PASS-scoring og immunhistokjemiske markører. Tjue pasienter med dårlig prognose (bevis for metastaser) og 20 pasienter med god prognose (ikke-metastaserende) vil inkluderes fra Region Hovedstaden. Resultatene skal brukes til å utvikle en ny algoritme for klinisk prognose.

Del 3: Validering av den nye algoritmen i en andre subkohort av pasienter med tumorvevsprøver valgt tilfeldig fra den nasjonale kohorten. Tumorprøver vil bli gjenstand for undersøkelse av de samme nye prognostiske biomarkørene identifisert i del 2. Resultatene vil bli lagt inn i den nye algoritmen for å teste om det kliniske forløpet kan forutsies nøyaktig.

Formidling Positive, negative eller inkonklusive resultater vil bli publisert i fagfellevurderte internasjonale tidsskrifter og presentert på vitenskapelige møter og i relevante pasientfora. Studiegruppemedlemmene er tilknyttet ENDO-ERN (European Reference Network on Rare Endocrine Conditions), et europeisk samarbeid mellom høyt spesialiserte sentre som behandler sjeldne endokrine tilstander som resultater kan spres gjennom (https://endo-ern.eu/).

For å sikre fullstendighet og åpenhet i rapporteringen av resultater vil etterforskerne bruke STROBEs rapporteringsretningslinjer som er relevante for kohortstudier.

Pasientinvolvering:

Pasienter med levde erfaringer bidrar med ytterligere ekspertise og gir verdifull, ny innsikt og forbedrer dermed effektiviteten av studien. Videre er pasientperspektivet vesentlig i presentasjonen av resultatene. Aktuelle pasienter med den aktuelle sykdommen fra vår poliklinikk vil bli invitert til å delta i Styringsgruppen.

Sikkerhet og etiske hensyn Behandling av personopplysninger: Generell databeskyttelsesforordning vil bli strengt overholdt. Godkjenning fra Etikkkomiteen for Region Hovedstaden er gitt (H-20065699, 19. februar 2021).

Database: Databasen etableres under RedCap, som er tilgjengelig over hele landet og administreres sentralt av databeskyttelsesenheten i Hovedstadsregionen.

Statistikk: Basert på tidligere studier som har utviklet lignende algoritmer (20,21) vil etterforskerne trenge ca. 200 pasienter for å oppnå statistisk kraft i forhold til validering av algoritmen i den større kohorten. Studiepopulasjonskarakteristika vil bli presentert ved hjelp av beskrivende statistikk. Gruppeforskjeller vil først og fremst testes ved hjelp av ikke-parametriske tester (Mann-Whitney, Wilcoxon) eller t-test. Assosiasjoner mellom genotypen og fenotypen vil bli analysert ved ANOVA (variansanalyse) og regresjonsanalyse som kontrollerer relevante konfoundere, dvs. alder og kjønn, der det er hensiktsmessig. Sensitiviteten og spesifisiteten til algoritmen for å forutsi dårlig eller godt utfall vil bli bestemt ved hjelp av multiple regresjonsanalyser, Chi2 og ROC (Receiver Operating Characteristics). Etterforskerne vil søke hjelp fra profesjonelle statistikere ved Københavns Universitet ved Statistical Advisory Service for PhD-studenter og studenter ved Det helsevitenskapelige fakultet.