Identificazione di un nuovo marcatore biliare clusterina e di una piattaforma pubblica di previsione online basata sul deep learning per il colangiocarcinoma

May 23, 2024

BMC Medicine volume 21, numero articolo: 294 (2023) Citare questo articolo

Dettagli sulle metriche

Il colangiocarcinoma (CCA) è un tumore maligno altamente aggressivo e la sua diagnosi è ancora una sfida. Questo studio mirava a identificare un nuovo marcatore biliare per la diagnosi di CCA basato sulla proteomica e a stabilire un modello diagnostico con deep learning.

Un totale di 644 soggetti (236 CCA e 408 non CCA) provenienti da due centri indipendenti sono stati divisi in set di scoperta, convalida incrociata e convalida esterna per lo studio. I marcatori biliari candidati sono stati identificati da tre dati di proteomica e convalidati su 635 campioni umorali clinici e 121 campioni di tessuto. Un modello diagnostico multianalita contenente biomarcatori della bile e del siero è stato stabilito in una validazione incrociata impostata mediante deep learning e convalidato in una coorte esterna indipendente.

I risultati dell'analisi proteomica e della verifica dei campioni clinici hanno mostrato che la clusterina biliare (CLU) era significativamente più alta nei fluidi corporei CCA. Sulla base di 376 soggetti nel set di validazione incrociata, l'analisi ROC ha indicato che la CLU della bile aveva un potere diagnostico soddisfacente (AUC: 0,852, sensibilità: 73,6%, specificità: 90,1%). Basandosi sul CLU della bile e su 63 marcatori sierici, il deep learning ha stabilito un modello diagnostico che incorpora sette fattori (CLU, CA19-9, IBIL, GGT, LDL-C, TG e TBA), che hanno mostrato un'elevata utilità diagnostica (AUC: 0,947, sensibilità: 90,3%, specificità: 84,9%). La validazione esterna in una coorte indipendente (n = 259) ha prodotto un'accuratezza simile per il rilevamento del CCA. Infine, per comodità di funzionamento, è stata creata online una piattaforma di previsione di facile utilizzo per CCA.

Questo è lo studio più ampio e completo che combina biomarcatori sierici e biliari per differenziare il CCA. Questo modello diagnostico può essere potenzialmente utilizzato per rilevare la CCA.

Rapporti di peer review

Il colangiocarcinoma (CCA) è noto come un tumore maligno altamente aggressivo. A seconda della sede anatomica della lesione, il CCA può essere suddiviso in colangiocarcinoma intraepatico (iCCA), colangiocarcinoma perilare (pCCA) e colangiocarcinoma distale (dCCA). Essendo il secondo tumore maligno più comune nel sistema epatobiliare, il CCA rappresenta circa il 3% di tutti i tumori gastrointestinali [1] e ha una prognosi sfavorevole con una bassa sopravvivenza a 5 anni (dal 7 al 20%) e un alto tasso di mortalità (che rappresenta circa il 2% dei decessi annuali globali correlati al cancro), tutto ciò si riduce alla difficoltà nella diagnosi precoce [2, 3].

La diagnosi del CCA è difficile a causa del suo carattere clinico silente e della sua localizzazione anatomica. Attualmente, la CCA viene rilevata principalmente mediante metodi di imaging, come la tomografia computerizzata (TC), la risonanza magnetica (MRI) e l’endoscopia, ma i loro poteri diagnostici sono deludenti con una precisione modesta e una sensibilità stimata solo dal 6 al 71,9% [4 , 5]. Il siero CA19-9 è comunemente utilizzato per la diagnosi di CCA, ma la sua sensibilità e specificità sono nella migliore delle ipotesi frustranti [6, 7]. Sorprendentemente, i risultati patologici postoperatori riportano che il 10-25% dei pazienti sottoposti a trattamento chirurgico per sospetta CCA sono alla fine privi di cellule tumorali, evidenziando l’urgente necessità di strumenti diagnostici più accurati [5, 8, 9].

La bile è il microambiente diretto per la crescita delle cellule tumorali del dotto biliare e le proteine ​​​​correlate al cancro nel CCA possono essere secrete nella bile e possono essere potenzialmente utilizzate come biomarcatori per la diagnosi [10, 11]. Inoltre, molti marcatori sierici cambiano anche nel CCA [7, 12]. Le proteine ​​differenzialmente espresse nella bile riflettono principalmente cambiamenti locali mentre i marcatori sierici riflettono principalmente cambiamenti sistematici nella progressione del CCA [4]. Pertanto, la combinazione di marcatori nella bile e nel sangue potrebbe migliorare la precisione nel distinguere la CCA da altre malattie biliari.

In questo studio, abbiamo identificato e valutato il potere di un nuovo biomarcatore biliare per la diagnosi di CCA. Sulla base di ciò, è stato stabilito un modello di deep learning combinando altri marcatori sierici. Infine, la prestazione diagnostica del modello è stata validata da un altro gruppo indipendente.