Desenvolvimento de um modelo preditivo para o risco de doença metastática em PPGLs, um estudo de coorte retrospectivo (PPGL-Pred)

Feocromocitomas e paragangliomas (PPGLs) são tumores da medula adrenal e do sistema nervoso simpático extra-adrenal, respectivamente, que frequentemente secretam catecolaminas(1). Os tumores são derivados da crista neural e aproximadamente 50% são causados ​​por uma variante germinativa. Devido à forte herdabilidade, o teste genético é recomendado em todos os pacientes com PPGLs (2-5). A maioria dos PPGLs são tumores não malignos (definidos como não metastáticos) e respondem bem ao tratamento cirúrgico. Aproximadamente 15% dos PPGLs são metastáticos e incuráveis ​​pelas terapias atualmente disponíveis(1). O mais recente Livro Azul da OMS classifica todos os PPGLs como possivelmente malignos devido ao seu comportamento imprevisível(6).

Os PPGLs são tumores muito heterogêneos predispostos por mais de 20 genes distintos(1). Em dois terços dos tumores pode ser identificada uma linhagem germinativa ou variante somática e, assim, os PPGLs foram divididos em subgrupos biológicos distintos com base nessas variantes(1). Uma declaração de consenso de 2017 declarou a necessidade de um painel de genes direcionados (Sequenciamento de próxima geração, NGS) em todos os pacientes com PPGL e testes de DNA tumoral, se possível, para identificar possíveis alvos futuros para terapias medicamentosas (2). Além disso, as alterações epigenéticas nos PPGLs e outros tumores endócrinos demonstraram estar associadas ao risco de doença metastática(7-11) e pesquisas futuras devem se concentrar na compreensão das alterações epigenéticas e genéticas nos PPGLs, pois isso abrirá oportunidades para estudos moleculares direcionados terapias e medicina personalizada(11,12). Foi demonstrado que a classificação tumoral baseada na metilação do DNA é um recurso valioso para a tomada de decisões clínicas(13).

Muitos fatores de risco preditivos histopatológicos para mau prognóstico foram propostos e sistemas de pontuação foram desenvolvidos para identificar aqueles PPGLs que têm potencial metastático. Os escores PASS (Pheochromocytoma of the Adrenal Gland Scaled) e GAPP (Grading system for Adrenal Phaeochromocytoma and Paraganglioma) são os mais conhecidos (1,14-18). Em uma meta-análise recente, os algoritmos foram avaliados e concluiu-se que ambos os algoritmos tinham um baixo valor preditivo positivo, mas um alto valor preditivo negativo para PPGLs, o que indicava que os modelos eram relevantes para descartar potencial metastático para ambos os tipos de tumor, em vez de identificar casos com risco aumentado de doença disseminada. Isso provavelmente pode ser atribuído à avaliação subjetiva dos critérios envolvidos nesses sistemas de pontuação. Os autores concluíram que a inclusão de dados NGS e uma abordagem molecular geral são necessárias para identificar com precisão os casos em risco de metástases futuras(19). Além disso, há a necessidade de um algoritmo baseado em medidas objetivas para garantir a objetividade no diagnóstico patológico dos PPGLs, semelhante aos algoritmos para carcinomas adrenocorticais como o Helsinki Score e o Reticulin Algorithm(19-21). Para tanto, as técnicas assistidas por computador têm mostrado resultados promissores(11,20).

Identificar corretamente PPGLs com risco futuro de doença metastática é um desafio clínico que impacta não apenas os médicos, mas também os pacientes e seus familiares. As diretrizes clínicas de hoje são baseadas em métodos de 'regra total' que têm um impacto oneroso nos recursos de saúde e na qualidade de vida dos pacientes. Um algoritmo baseado em variáveis ​​histopatológicas, genéticas, epigenéticas e clínicas pode ser útil para estratificar os pacientes em categorias de risco com diferentes necessidades de acompanhamento clínico.

Estudo Piloto: Pacientes acompanhados no Copenhagen University Hospital, Copenhagen fizeram parte de um estudo piloto sobre o efeito da triagem genética de membros da família com variantes SDHX na apresentação clínica dos casos. Variantes dos genes SDHX (SDHA, -AF2, -B, -C, -D) são uma causa frequente de PPGLs familiares. Os investigadores encontraram diferenças distintas nas características clínicas e histopatológicas entre variantes genéticas em SDHB. A triagem familiar para variantes de SDHB resultou na detecção precoce de tumores em duas famílias. Pacientes com variantes SDHA, SDHC e SDHD também apresentavam fenótipos graves, destacando a necessidade de uma ampla triagem genética do probando. O estudo corroborou achados anteriores de marcadores de mau prognóstico e constatou que as variantes genéticas e o fenótipo clínico estão ligados e, portanto, úteis na decisão do seguimento clínico. Este estudo foi apresentado como dissertação de mestrado na Universidade de Copenhagen 2019 (Grau A) e o manuscrito foi publicado(22). O estudo corrobora a viabilidade do projeto atual.

Processo do estudo

Parte 1: Descrição da associação genótipo-fenótipo em uma coorte nacional de aproximadamente 400 pacientes com PPGLs ou variantes genéticas da linhagem germinativa que predispõem a PPGLs usando dados clínicos, variáveis ​​bioquímicas, características do tumor e resultados de imagem. Esta coorte nacional fornecerá a caracterização dos pacientes, permitindo identificar um curso clínico metastático e não metastático, respectivamente.

Parte 2: Identificação de novos biomarcadores prognósticos usando amostras de tecido tumoral fixadas em formalina e embebidas em parafina para testes genéticos (NGS para variantes somáticas), metilação do DNA, pontuação PASS e marcadores imuno-histoquímicos. Vinte pacientes com mau prognóstico (comprovação de metástases) e 20 pacientes com bom prognóstico (não metastáticos) serão incluídos na Região da Capital da Dinamarca. Os resultados serão usados ​​para desenvolver um novo algoritmo de prognóstico clínico.

Parte 3: Validação do novo algoritmo em uma segunda subcoorte de pacientes com espécimes de tecido tumoral selecionados aleatoriamente da coorte nacional. As amostras de tumor serão submetidas à investigação dos mesmos novos biomarcadores de prognóstico identificados na parte 2. Os resultados serão inseridos no novo algoritmo para testar se o curso clínico pode ser previsto com precisão.

Divulgação Resultados positivos, negativos ou inconclusivos serão publicados em revistas internacionais revisadas por pares e apresentados em reuniões científicas e em fóruns de pacientes relevantes. Os membros do grupo de estudo são afiliados à ENDO-ERN (Rede Europeia de Referência em Doenças Endócrinas Raras), uma colaboração europeia de centros altamente especializados no tratamento de doenças endócrinas raras através da qual os resultados podem ser divulgados (https://endo-ern.eu/).

Para garantir integridade e transparência no relatório de resultados, os investigadores usarão as diretrizes de relatório STROBE relevantes para estudos de coorte.

Envolvimento do paciente:

Pacientes com experiências vividas contribuem com conhecimentos adicionais e fornecem insights novos e valiosos e, assim, melhoram a eficácia do estudo. Além disso, a perspectiva do paciente é essencial na apresentação dos resultados. Pacientes relevantes com a doença em questão de nosso ambulatório serão convidados a participar do Comitê Gestor.

Considerações éticas e de segurança Tratamento de dados pessoais: O Regulamento Geral de Proteção de Dados será rigorosamente cumprido. A aprovação do Comitê de Ética da Região da Capital foi concedida (H-20065699, 19 de fevereiro de 2021).

Banco de dados: o banco de dados será estabelecido no RedCap, que é acessível em todo o país e gerenciado centralmente pela unidade de proteção de dados da Região da Capital.

Estatísticas: Com base em estudos anteriores que desenvolveram algoritmos semelhantes (20,21), os investigadores precisarão de aproximadamente 200 pacientes para obter poder estatístico em relação à validação do algoritmo na coorte maior. As características da população do estudo serão apresentadas por meio de estatística descritiva. As diferenças de grupo serão testadas principalmente usando testes não paramétricos (Mann-Whitney, Wilcoxon) ou teste t. As associações entre o genótipo e o fenótipo serão analisadas por ANOVA (análise de variância) e análise de regressão controlando para fatores de confusão relevantes, ou seja, idade e sexo, quando apropriado. A sensibilidade e a especificidade do algoritmo para prever resultados ruins ou bons serão determinadas usando análises de regressão múltipla, Chi2 e ROC (Receiver Operating Characteristics). Os investigadores buscarão a ajuda de estatísticos profissionais da Universidade de Copenhague no Statistical Advisory Service para estudantes de doutorado e estudantes da Faculdade de Ciências da Saúde.