Uno strumento online può identificare i soggetti con mutazioni genetiche legate al cancro

  • Univadis
  • Notizie di oncologia
L'accesso ai contenuti di questo sito è riservato agli operatori del settore sanitario italiano L'accesso ai contenuti di questo sito è riservato agli operatori del settore sanitario italiano

Secondo uno studio pubblicato su Journal of Clinical Oncology, un nuovo strumento online è in grado di identificare in modo rapido e accurato i soggetti che potrebbero ottenere benefici dai test genetici perché presentano probabilmente varianti germinali patogene (pathogen germinline varianti, PGV) in uno spettro diversificato di geni di suscettibilità al cancro.

Questo strumento online (PREMMplus) è stato sviluppato e convalidato dai ricercatori del Dana-Farber Cancer Institute di Boston, Massachusetts, utilizzando tre coorti che hanno coinvolto più di 30.000 soggetti che erano stati sottoposti a test multigene del rischio ereditario di cancro.

“Questo strumento può potenzialmente cambiare il modello in base al quale vengono consigliati test genetici e consulenza genetica a pazienti e familiari”, afferma l’autrice senior, la Dott.ssa Sapna Syngal, MPH, del Dana-Farber e Brigham and Women’s Hospital.

Tradizionalmente, quando c’è preoccupazione per una storia familiare di cancro, il soggetto viene indirizzato a una clinica genetica, dove un consulente raccoglie l’anamnesi familiare completa.

“Vista la carenza di consulenti genetici, questo strumento può aiutare a semplificare la valutazione del rischio garantendo che i consulenti possano dedicare il proprio tempo dove servono maggiormente, ovvero aiutare le persone a comprendere i risultati dei test genetici e le opzioni disponibili se viene individuato un gene di suscettibilità al cancro”, afferma la Dott.ssa Syngal.

Strumento online

Lo strumento utilizza dati clinici (età, sesso, etnia e anamnesi personale/familiare di 18 tumori) per determinare la probabilità di un soggetto di avere una PGV in 19 geni di suscettibilità al cancro.

Un punteggio pari o superiore al 2,5% ha evidenziato una sensibilità dell’89%–94% e un valore predittivo negativo (negative predictive value, NPV) >97% di identificare soggetti con PGV in 11 geni legati al rischio di cancro ad alta penetranza, di “categoria A”, ben definiti: APC, BRCA1, BRCA2, CDH1, EPCAM, MLH1, MSH2, MSH6, MUTYH biallelico, PMS2 e TP53.

Queste PGV “rappresentano diversi tipi di rischio ereditario di cancro, per il quale esistono linee guida per la riduzione del rischio stabilite”, afferma il team dello studio. I tumori associati a queste PGV includono il tumore mammario, ovarico, colorettale, pancreatico e prostatico, nonché quelli che costituiscono la sindrome di Lynch.

Il team dello studio riporta che la capacità dello strumento di identificare i soggetti con PGV in geni legati al rischio di cancro a “penetranza moderata” (come CHEK2 e ATM) è alquanto ridotta, ma è comunque “abbastanza forte” (sensibilità dell’84%–90% con un NPV >93%).

La visione finale della Dott.ssa Syngal per questo strumento online è che sarà adattato nelle cartelle cliniche elettroniche (electronic medical record, EMR).

“Attraverso le EMR potrebbe in qualche modo essere inviato ai pazienti prima di un appuntamento oncologico o con il medico di base oppure prima di una mammografia o di una colonscopia. In questo modo, quando i pazienti si presentano all’appuntamento il medico o l’infermiere sono già in possesso delle informazioni e possono consigliare i test genetici, se appropriato”, spiega la Dott.ssa Syngal.

Lo strumento non è attualmente disponibile per l’uso clinico di routine.

La Dott.ssa Syngal dichiara che saranno disponibili due versioni. Una versione sarà facile da utilizzare e potrà essere compilata direttamente dai pazienti, mentre una seconda versione verrà compilata congiuntamente dal medico e dal paziente durante una visita ambulatoriale.

La ricerca è stata finanziata dai National Institutes of Health.

Una versione di questo articolo è apparsa per la prima volta suMedscape.com, parte di Medscape Professional Network