Структурная модель формирования пакетов клинико-диагностических тестов при организации персонализированной медицинской помощи пациентам со злокачественными опухолями предстательной железы

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Актуальность. Рак предстательной железы представляет собой серьезную социально-экономическую проблему, занимает второе место среди наиболее часто диагностируемых злокачественных опухолей в мире и шестую позицию в структуре причин смерти от рака у мужчин. Правильная организация профилактики и скрининга, а также использование новейших методов клинико-инструментального и молекулярного анализа на всех этапах лечебно-диагностического процесса позволяют принципиально улучшить исходы заболевания у пациентов.

Цель. Анализ передового зарубежного опыта по формированию пакетов основных клинико-инструментальных тестов, определяющих персонализированный выбор медицинских назначений на этапах лечебно-диагностического процесса при раке предстательной железы.

Методы. В исследование включали работы, опубликованные в период после 1 января 2008 года с акцентом на анализ результатов, размещенных в последние два года в электронной базе PubMed/Medline, в качестве надежных источников информации.

Результаты и обсуждение. Изучена базовая структурная модель формирования клинико-диагностических пакетов на этапах реализации персонализированного лечебно-диагностического процесса при раке предстательной железы. Идентифицированы основные биомаркеры рака предстательной железы, используемые в клинической практике. Установлена информативность наиболее новых биомаркерных тестов. Приведены примеры диагностических инструментов, готовых к более широкому внедрению в онкологическую практику, — предиктивные модели (алгоритм 4K, Score, SelectMDx, Stockholm-3 model и т. д.), обосновывающие необходимость выполнения биопсии предстательной железы у конкретного пациента. Продемонстрированы некоторые перспективные биомаркерные характеристики рака предстательной железы, изучаемые на доклиническом, экспериментальном этапе.

Выводы. 1. Пересмотр алгоритмов персонализированного лечения становится важным элементом оказания пациент-ориентированной онкологической помощи. 2. Периодическая переоценка «индивидуального портрета» опухолевого процесса необходима для правильной организации лечебно-диагностических мероприятий у конкретного больного. 3. Для реализации всего комплекса возможностей индивидуального лечения важно тесное взаимодействие между представителями различных медицинских специальностей в рамках реализации программ трансляционной медицины в онкологии.

Об авторах

Дмитрий Анатольевич Андреев

Научно-исследовательский институт организации здравоохранения и медицинского менеджмента Департамента здравоохранения города Москвы

Автор, ответственный за переписку.
Email: dmitry.email08@gmail.com
ORCID iD: 0000-0003-0745-9474

ученая степень «doctor», присужденная в Erasmus University Medical Center (г. Роттердам, Нидерланды)

Россия, 115088, Москва, ул. Шарикоподшипниковская, 9

Александр Александрович Завьялов

Научно-исследовательский институт организации здравоохранения и медицинского менеджмента Департамента здравоохранения города Москвы

Email: azav06@mail.ru
ORCID iD: 0000-0003-1825-1871
ResearcherId: A-7169-2017

д. м. н., профессор

Россия, 115088, Москва, ул. Шарикоподшипниковская, 9

Список литературы

  1. Culp M.B., Soerjomataram I., Efstathiou J.A., et al. Recent Global Patterns in Prostate Cancer Incidence and Mortality Rates // Eur Urol. 2020. Vol. 77, N 1. P. 38–52. doi: 10.1016/j.eururo.2019.08.005
  2. Belkora J., Chan J.M., Cooperberg M.R., et al. Development and pilot evaluation of a personalized decision support intervention for low risk prostate cancer patients // Cancer Med. 2020. Vol. 9, N 1. P. 125–132. doi: 10.1002/cam4.2685
  3. Rais-Bahrami S., Gordetsky J.B. Personalized prostate cancer care // Transl Androl Urol. 2018. Vol. 7, N Suppl 4. P. S383.doi: 10.21037/tau.2018.08.24
  4. Aoun F., Rassy E.E., Assi T., Kattan J. Personalized treatment of prostate cancer: better knowledge of the patient, the disease and the medicine // Future Oncol. 2016. Vol. 12, N 20. P. 2359–2361.doi: 10.2217/fon-2016-0292
  5. Lomas D.J., Ahmed H.U. All change in the prostate cancer diagnostic pathway // Nat Rev Clin Oncol. 2020. Vol. 17, N 6. P. 372–381. doi: 10.1038/s41571-020-0332-z
  6. Klotz L. Active surveillance in intermediate-risk prostate cancer // BJU Int. 2020. Vol. 125, N 3. P. 346–354. doi: 10.1111/bju.14935
  7. Costello A.J. Considering the role of radical prostatectomy in 21st century prostate cancer care // Nat Rev Urol. 2020. Vol. 17, N 3. P. 177–188. doi: 10.1038/s41585-020-0287-y
  8. Conran C.A., Brendler C.B., Xu J. Personalized prostate cancer care: from screening to treatment // Asian J Androl. 2016. Vol. 18, N 4. P. 505–508. doi: 10.4103/1008-682X.179529
  9. Nassir A.M. A piece in prostate cancer puzzle: Future perspective of novel molecular signatures // Saudi J Biol Sci. 2020. Vol. 27, N 4. P. 1148–1154. doi: 10.1016/j.sjbs.2020.02.003
  10. Connors L.M. Genomics to personalize care of prostate cancer // J Am Assoc Nurse Pract. 2020. Vol. 32, N 2. P. 106–108.doi: 10.1097/JXX.0000000000000390
  11. Al Olama A.A., Kote-Jarai Z., Berndt S.I., et al. A meta-analysis of 87,040 individuals identifies 23 new susceptibility loci for prostate cancer // Nat Genet. 2014. Vol. 46, N 10. P. 1103–1109.doi: 10.1038/ng.3094
  12. Kader A.K., Sun J., Reck B.H., et al. Potential impact of adding genetic markers to clinical parameters in predicting prostate biopsy outcomes in men following an initial negative biopsy: findings from the REDUCE trial // Eur Urol. 2012. Vol. 62, N 6. P. 953–961.doi: 10.1016/j.eururo.2012.05.006
  13. Kovac E., Carlsson S.V., Lilja H., et al. Association of Baseline Prostate-Specific Antigen Level With Long-term Diagnosis of Clinically Significant Prostate Cancer Among Patients Aged 55 to 60 Years: A Secondary Analysis of a Cohort in the Prostate, Lung, Colorectal, and Ovarian (PLCO) Cancer Screening Trial // JAMA Netw Open. 2020. Vol. 3, N 1. P. e1919284.doi: 10.1001/jamanetworkopen.2019.19284
  14. Zheng S.L., Sun J., Wiklund F., et al. Cumulative association of five genetic variants with prostate cancer // N Engl J Med. 2008. Vol. 358, N 9. P. 910–919. doi: 10.1056/NEJMoa075819
  15. Liss M.A., Xu J., Chen H., Kader A.K. Prostate genetic score (PGS-33) is independently associated with risk of prostate cancer in the PLCO trial // Prostate. 2015. Vol. 75, N 12. P. 1322–1328.doi: 10.1002/pros.23012
  16. Robinson D., Van Allen E.M., Wu Y.M., et al. Integrative clinical genomics of advanced prostate cancer // Cell. 2015. Vol. 161, N 5. P. 1215–1228. doi: 10.1016/j.cell.2015.05.001
  17. Sokoll L.J., Ellis W., Lange P., et al. A multicenter evaluation of the PCA3 molecular urine test: pre-analytical effects, analytical performance, and diagnostic accuracy // Clin Chim Acta. 2008. Vol. 389, N 1–2. P. 1–6. doi: 10.1016/j.cca.2007.11.003
  18. Leyten G.H., Hessels D., Jannink S.A., et al. Prospective multicentre evaluation of PCA3 and TMPRSS2-ERG gene fusions as diagnostic and prognostic urinary biomarkers for prostate cancer // Eur Urol. 2014. Vol. 65, N 3. P. 534–542.doi: 10.1016/j.eururo.2012.11.014
  19. Loeb S., Sokoll L.J., Broyles D.L., et al. Prospective multicenter evaluation of the Beckman Coulter Prostate Health Index using WHO calibration // J Urol. 2013. Vol. 189, N 5. P. 1702–1706.doi: 10.1016/j.juro.2012.11.149
  20. Vickers A.J., Gupta A., Savage C.J., et al. A panel of kallikrein marker predicts prostate cancer in a large, population-based cohort followed for 15 years without screening // Cancer Epidemiol Biomarkers Prev. 2011. Vol. 20, N 2. P. 255–261.doi: 10.1158/1055-9965.EPI-10-1003
  21. Salagierski M., Schalken J.A. Molecular diagnosis of prostate cancer: PCA3 and TMPRSS2:ERG gene fusion // J Urol. 2012. Vol. 187, N 3. P. 795–801. doi: 10.1016/j.juro.2011.10.133
  22. Wei J.T., Feng Z., Partin A.W., et al. Can urinary PCA3 supplement PSA in the early detection of prostate cancer? // J Clin Oncol. 2014. Vol. 32, N 36. P. 4066–4072. doi: 10.1200/JCO.2013.52.8505
  23. Fernandez-Serra A., Casanova-Salas I., Rubio L., et al. [Update on the diagnosis of PCa in urine. The current role of urine markers] // Arch Esp Urol. 2015. Vol. 68, N 3. P. 240–249.
  24. Tomlins S.A., Day J.R., Lonigro R.J., et al. Urine TMPRSS2:ERG Plus PCA3 for Individualized Prostate Cancer Risk Assessment // Eur Urol. 2016. Vol. 70, N 1. P. 45–53. doi: 10.1016/j.eururo.2015.04.039
  25. Rodriguez J.F., Eggener S.E. Prostate Cancer and the Evolving Role of Biomarkers in Screening and Diagnosis // Radiol Clin North Am. 2018. Vol. 56, N 2. P. 187–196. doi: 10.1016/j.rcl.2017.10.002
  26. Filella X., Gimenez N. Evaluation of [-2] proPSA and Prostate Health Index (phi) for the detection of prostate cancer: a systematic review and meta-analysis // Clin Chem Lab Med. 2013. Vol. 51, N 4. P. 729–739. doi: 10.1515/cclm-2012-0410
  27. Borque-Fernando A., Rubio-Briones J., Esteban L.M., et al. Role of the 4Kscore test as a predictor of reclassification in prostate cancer active surveillance // Prostate Cancer Prostatic Dis. 2019. Vol. 22, N 1. P. 84–90. doi: 10.1038/s41391-018-0074-5
  28. Osses D.F., Roobol M.J., Schoots I.G. Prediction Medicine: Biomarkers, Risk Calculators and Magnetic Resonance Imaging as Risk Stratification Tools in Prostate Cancer Diagnosis // Int J Mol Sci. 2019. Vol. 20, N 7. P. doi: 10.3390/ijms20071637
  29. Moller A., Olsson H., Gronberg H., et al. The Stockholm3 blood-test predicts clinically-significant cancer on biopsy: independent validation in a multi-center community cohort // Prostate Cancer Prostatic Dis. 2019. Vol. 22, N 1. P. 137–142. doi: 10.1038/s41391-018-0082-5
  30. Van Neste L., Hendriks R.J., Dijkstra S., et al. Detection of High-grade Prostate Cancer Using a Urinary Molecular Biomarker-Based Risk Score // Eur Urol. 2016. Vol. 70, N 5. P. 740–748.doi: 10.1016/j.eururo.2016.04.012
  31. Leyten G.H., Hessels D., Smit F.P., et al. Identification of a Candidate Gene Panel for the Early Diagnosis of Prostate Cancer // Clin Cancer Res. 2015. Vol. 21, N 13. P. 3061–3070.doi: 10.1158/1078-0432.CCR-14-3334
  32. Mottet N., Bellmunt J., Bolla M., et al. EAU-ESTRO-SIOG Guidelines on Prostate Cancer. Part 1: Screening, Diagnosis, and Local Treatment with Curative Intent // Eur Urol. 2017. Vol. 71, N 4. P. 618–629. doi: 10.1016/j.eururo.2016.08.003
  33. Sathianathen N.J., Kuntz K.M., Alarid-Escudero F., et al. Incorporating Biomarkers into the Primary Prostate Biopsy Setting: A Cost-Effectiveness Analysis // J Urol. 2018. Vol. 200, N 6. P. 1215–1220. doi: 10.1016/j.juro.2018.06.016
  34. Marzouk K., Ehdaie B., Vertosick E., et al. Developing an effective strategy to improve the detection of significant prostate cancer by combining the 4Kscore and multiparametric MRI // Urol Oncol. 2019. Vol. 37, N 10. P. 672–677. doi: 10.1016/j.urolonc.2019.07.010
  35. Wysock J.S., Becher E., Persily J., et al. Concordance and Performance of 4Kscore and SelectMDx for Informing Decision to Perform Prostate Biopsy and Detection of Prostate Cancer // Urology. 2020. Vol. 141, N. P. 119–124. doi: 10.1016/j.urology.2020.02.032
  36. Pang B., Zhu Y., Ni J., et al. Extracellular vesicles: the next generation of biomarkers for liquid biopsy-based prostate cancer diagnosis // Theranostics. 2020. Vol. 10, N 5. P. 2309–2326.doi: 10.7150/thno.39486
  37. Wang W.W., Sorokin I., Aleksic I., et al. Expression of Small Noncoding RNAs in Urinary Exosomes Classifies Prostate Cancer into Indolent and Aggressive Disease // J Urol. 2020. Vol. 204, N 3. P. 466–475. doi: 10.1097/JU.0000000000001020
  38. Meng L., Li Y., Ren J., et al. Early Stage Biomarkers Screening of Prostate Cancer Based on Weighted Gene Coexpression Network Analysis // DNA Cell Biol. 2019. Vol. 38, N 5. P. 468–475.doi: 10.1089/dna.2018.440
  39. Brunese L., Mercaldo F., Reginelli A., Santone A. Formal methods for prostate cancer Gleason score and treatment prediction using radiomic biomarkers // Magn Reson Imaging. 2020. Vol. 66. P. 165–175. doi: 10.1016/j.mri.2019.08.030
  40. Epstein J.I., Zelefsky M.J., Sjoberg D.D., et al. A Contemporary Prostate Cancer Grading System: A Validated Alternative to the Gleason Score // Eur Urol. 2016. Vol. 69, N 3. P. 428–435.doi: 10.1016/j.eururo.2015.06.046
  41. Choyke P.L. A Grading System for Extraprostatic Extension of Prostate Cancer That We Can All Agree Upon? // Radiol Imaging Cancer. 2020. Vol. 2, N 1. P. e190088.doi: 10.1148/rycan.2019190088
  42. Mehralivand S., Shih J.H., Harmon S., et al. A Grading System for the Assessment of Risk of Extraprostatic Extension of Prostate Cancer at Multiparametric MRI // Radiology. 2019. Vol. 290, N 3. P. 709–719. doi: 10.1148/radiol.2018181278
  43. Del Re M., Crucitta S., Restante G., et al. Pharmacogenetics of androgen signaling in prostate cancer: Focus on castration resistance and predictive biomarkers of response to treatment // Crit Rev Oncol Hematol. 2018. Vol. 125. P. 51–59.doi: 10.1016/j.critrevonc.2018.03.002
  44. Bernemann C., Krabbe L.M., Schrader A.J. Considerations for AR-V7 testing in clinical routine practice // Ann Transl Med. 2019. Vol. 7, N Suppl 8. P. S378. doi: 10.21037/atm.2019.12.136
  45. Luo J., Attard G., Balk S.P., et al. Role of Androgen Receptor Variants in Prostate Cancer: Report from the 2017 Mission Androgen Receptor Variants Meeting // Eur Urol. 2018. Vol. 73, N 5. P. 715–723. doi: 10.1016/j.eururo.2017.11.038
  46. Julka P.K., Verma A., Gupta K. Personalized Treatment Approach to Metastatic Castration-Resistant Prostate Cancer with BRCA2 and PTEN Mutations: A Case Report // Case Rep Oncol. 2020. Vol. 13, N 1. P. 55–61. doi: 10.1159/000505182
  47. Prasad V., Kaestner V., Mailankody S. Cancer Drugs Approved Based on Biomarkers and Not Tumor Type-FDA Approval of Pembrolizumab for Mismatch Repair-Deficient Solid Cancers // JAMA Oncol. 2018. Vol. 4, N 2. P. 157–158. doi: 10.1001/jamaoncol.2017.4182
  48. Slovin S.F. Pembrolizumab in Metastatic Castration-Resistant Prostate Cancer: Can an Agnostic Become a Believer? // J Clin Oncol. 2020. Vol. 38, N 5. P. 381–383. doi: 10.1200/JCO.19.02921
  49. Varnai R., Koskinen L.M., Mantyla L.E., et al. Pharmacogenomic Biomarkers in Docetaxel Treatment of Prostate Cancer: From Discovery to Implementation // Genes (Basel). 2019. Vol. 10, N 8. P. 599. doi: 10.3390/genes10080599

© ООО "Эко-Вектор", 2021


 


Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах