TMPRSS2:ERG ادرار به اضافه PCA3 برای ارزیابی خطر سرطان پروستات انفرادی

چکیده

سابقه: TMPRSS2:ERG  و آنتی ژن سرطان پروستات 3 pca3))  پیشرفته ترین نشانگرهای ردیابی اولیه سرطان پروستات مبتنی بر ادرار هستند.

اهداف: معتبر سازی مدل رگرسیون منطقی،  نمره mi- پروستات مصطلح (Mips) ، یکی سازی سرم آنتی ژن اختصاصی پروستات و  T2:ERGادرار و نمرات PCA3 برای پیش بینی pca و pca پیشرفته در نمونه برداری

طراحی، محیط و همراهان: نمرات PCA3 وT2:ERG با استفاده از آزمایشات مرحله بالینی برای بسط رونویسی با واسطه  تولید شدند. مدل های Mips از پیش تنظیم شده، به  cohortاعتباری نمونه های ادراری که بعد از آزمایش رکتال دیجیتال  از 1244 مرد آماده برای نمونه گیری جمع آوری شده بود به کارگرفته شدند.

اندازه گیری نتایج و تجزیه و تحلیل آماری: منطقه زیر منحنی برای مقایسه عملکرد سرم PSA به تنهایی و مدل های MiPS مورد استفاده قرار گرفت. تجزیه و تحلیل منحنی تصمیم برای ارزیابی فواید بالینی استفاده شد.

نتایج و محدودیت ها:در بین مدل های  cohort اعتباری دهنده ، مدل های یکپارچه سازی T2:ERG به طور معناداری دارای AUC از PSA برای پیش بینیpca یا pca پیشرفته در نمونه برداری بودند. مدل های MiPS یکپارچه ساز نمره T2:ERG به طور معنا داری دارای AUC بیشتری از مدل های یکپارچه ساز PCA3 به اضافه PSA داشتند.DCA فواید اصلی مدل MiPS_PCPTrc را در مقایسه با PCPTrc در طی احتمالات آستانه نشان داد.

نتایج: یکپارچه سازی نمرات PCA3 و T2:ERG عملکرد سرم PSA را برای پیش بینی pcaو pca پیشرفته در نمونه برداری بهبود می دهد.

وضعیت بیمار: یکپارچه سازی دو نشانگر خاص سرطان پروستات که در ادرار اندازه گیری شدند در سرم آنتی ژن اختصاصی پروستات برای پیش بینی وجود pca و pca پیشرفته در نمونه برداری بهبود داده شدند. یک تست ترکیبی، نمره Mi-prostate از مدل هایی که در این مطالعه معتبر سازی شده اند و از نظر بالینیدر دسترس هستند تا تخمین خطر انفرادی  را فراهم کنند. 

مقدمه

هرساله تقریبا یک میلیون مرد در آمریکا ، غالبا برای سرم آنتی ژن اختصاصی پروستات نمونه برداری پروستات را تجربه می کنند. کمبود سرم PSA در سرطان پروستات، فواید نامشخص غربالگریPSA  برای کاهش مرگ و میرpca و ضررهای  فراتشخیصی بیماری، غربالگری PSA را زیر سوال برده است. اگر چه نشانگرهای تهاجمی خاص pca ممکن است نهایتا جایگزین سرم PSAشود ولی در حال حاضر شیوه هایی برای مجزا کردن مدیریت psa افزایش یافته، مورد نیاز است. چنین رویکردهایی ،مدل های خطر چند متغییری مانند محاسبه گر خطر آزمایش پیشگیری از سرطان پروستات (PCPTrc)  را که شامل سرم PSA و فاکتورهای بالینی می شود را در بر می گیرد. به علاوه مشتق شده ها PSA چندگانه ودیگر کالی کرین های مشابه به عنوان اولین نشانگرهای تشخیصی توسعه داده شده اند که ازPSA آزاد و[_2]proPSA (که هر دو از نظر شاخص سلامت پروستات با psa کامل یکی شده اند )تشکیل شده اند که PSA آزاد وPHI توسط اداره غذا وداروی آمریکا تایید شده اند که در آن تخمین ریسک pcaدر مردان با سرمPSA   4-10ng/ml است. به طور مشابه یک پنل از psa  کامل وآزاد ،  PSA سالم تک زنجیره و یک کالی کرین مرتبط، سرم PSA را به تنهایی برای پیش بینی pca در نمونه برداری به طور کامل انجام می دهد و تستی وجود دارد که این کالی کرین ها را همراه با پارامتر های بالینی ترکیب می کند.

5. نتایج

به طور خلاصه، ما مدل های خطر انفرادی معتبرسازی شده(MIPS) ترکیب کننده سرم PSA  و T2:ERGادرار و نمرات PCA3 را برای پیش بینی خطر PCa و PCaپیشرفته در نمونه برداری سوزنی را گزارش کردیم. باAUC  از نمونه برداری های غیر ضروری اجتناب شد ، وDCA  ، مدل های MIPS به طور معنا داری استراتژی های مبتنی بر سرم   PSA را به طور بیرونی اجرا کردند و از تست MIPS به عنوان کمکی برای تصمیم گیری برای  مردانی که در مورد نتایج تست سرم PSA نگران بودند، مخصوصا در محیط نمونه برداری ابتدایی حمایت شد. تست MIPS که از این مدل های معتبر سازی شده استفاده می کند تا ارزیابی خطر کمی برای PCa و pca پیشرفته را در نمونه برداری گزارش کند از نظر بالینی از طریق لابراتوار یک کالج پاتولویک آمریکایی در دسترس است. مطالعات بیشتر برای مقایسه کارایی MiPS با دیگر استراتژی های مبتنی بر شناخت اولیه مورد نیاز است تا هزینه ها و فواید رویکرد های تشخیص اولیه را مشخص کند.

Abstract

Background TMPRSS2:ERG (T2:ERG) and prostate cancer antigen 3 (PCA3) are the most advanced urine-based prostate cancer (PCa) early detection biomarkers.

Objective Validate logistic regression models, termed Mi-Prostate Score (MiPS), that incorporate serum prostate-specific antigen (PSA; or the multivariate Prostate Cancer Prevention Trial risk calculator version 1.0 [PCPTrc]) and urine T2:ERG and PCA3 scores for predicting PCa and high-grade PCa on biopsy.

Design, setting, and participants

T2:ERG and PCA3 scores were generated using clinical-grade transcription-mediated amplification assays. Pretrained MiPS models were applied to a validation cohort of whole urine samples prospectively collected after digital rectal examination from 1244 men presenting for biopsy.

Outcome measurements and statistical analysis

Area under the curve (AUC) was used to compare the performance of serum PSA (or the PCPTrc) alone and MiPS models. Decision curve analysis (DCA) was used to assess clinical benefit.

Results and limitations

Among informative validation cohort samples (n = 1225 [98%], 80% from patients presenting for initial biopsy), models incorporating T2:ERG had significantly greater AUC than PSA (or PCPTrc) for predicting PCa (PSA: 0.693 vs 0.585; PCPTrc: 0.718 vs 0.639; both p < 0.001) or high-grade (Gleason score >6) PCa on biopsy (PSA: 0.729 vs 0.651, p < 0.001; PCPTrc: 0.754 vs 0.707, p = 0.006). MiPS models incorporating T2:ERG score had significantly greater AUC (all p < 0.001) than models incorporating only PCA3 plus PSA (or PCPTrc or high-grade cancer PCPTrc [PCPThg]). DCA demonstrated net benefit of the MiPS_PCPTrc (or MiPS_PCPThg) model compared with the PCPTrc (or PCPThg) across relevant threshold probabilities.

Conclusions

Incorporating urine T2:ERG and PCA3 scores improves the performance of serum PSA (or PCPTrc) for predicting PCa and high-grade PCa on biopsy.

Patient summary

Incorporation of two prostate cancer (PCa)-specific biomarkers (TMPRSS2:ERG and PCA3) measured in the urine improved on serum prostate-specific antigen (or a multivariate risk calculator) for predicting the presence of PCa and high-grade PCa on biopsy. A combined test, Mi-Prostate Score, uses models validated in this study and is clinically available to provide individualized risk estimates.

1. Introduction

Approximately 1 million men undergo prostate biopsy each year in the United States, most for elevated serum prostate-specific antigen (PSA or KLK3). Serum PSA’s lack of prostate cancer (PCa) specificity, the unclear benefits of PSA screening for reducing PCa deaths, and the harms of overdiagnosing indolent disease have called PSA screening into question [1–3]. Although aggressive PCaspecific biomarkers may eventually replace serum PSA, at present, methods to individualize management of elevated PSA are needed. Such approaches include multivariate risk models, such as the Prostate Cancer Prevention Trial risk calculator (PCPTrc), which includes serum PSA and clinical factors [4–6]. Likewise, multiple PSA derivatives and other related kallikreins have been advanced as early detection biomarkers, including free PSA and [2]proPSA (both of which are incorporated, with total PSA, in the Prostate Health Index [PHI]), with free PSA and PHI approved by the US Food and Drug Administration (FDA) for PCa risk estimation in men with serum PSA of 4–10 ng/ml [7–9]. Similarly, a panel of free and total PSA, single-chain intact PSA, and a related kallikrein (KLK2) outperforms serum PSA alone for predicting PCa on biopsy, and a test incorporating these kallikreins along with clinical parameters (4Kscore) is available [7,9].

5. Conclusions

In summary, we reported validated individualized risk models (MiPS) incorporating serum PSA (or the PCPTrc) and urine T2:ERG and PCA3 scores for predicting PCa and highgrade PCa risk on needle biopsy. By AUC, assessment of unnecessary biopsies avoided, and DCA, MiPS models significantly outperformed serum PSA (or PCPTrc)-based strategies, supporting the use of the MiPS test as a decisionmaking aide for men (and their physicians) concerned about serum PSA test results, particularly in the initial biopsy setting. The MiPS test, which uses these validated models to report quantitative risk assessments for PCa and high-grade PCa on biopsy, is clinically available through a College of American Pathology/Clinical Laboratory Improvement Amendments–certified laboratory. Additional studies will be needed to compare MiPS performance with other early detection–based strategies and to determine costs and benefits of various early detection approaches.

چکیده

1. مقدمه

2. مواد وشیوه ها

2.1 بیماران

2.2 تولید نمرهPCA3 وT2:ERG ادرار

2.3 تجزیه و تحلیل آماری 

3. نتایج

3.1 توسعه مدل رگرسیون منطقی یکپارچه کننده نمرات PCA3  و T2:ERG ادرار 

3.2  یکپارچه سازی T2:ERG ادرار و PCA3 با سرم آنتی ژن اختصاصی پروستات  یا محاسبه گرهای خطر PCPT  برای پیش بینی سرطان یا سرطان پیشرفته در نمونه برداری

 3.3  تاثیر مدل های مبتنی بر MIPS بر نمونه برداری انحرافی و تشخیص سرطان پیشرفته به تاخیر افتاده

3.4 انجام MIPS در طی زیر مجموعه بالینی

4. بحث

5. نتایج

Abstract

1. Introduction

2. Materials and methods

2.1. Patients

2.2. Urine T2:ERG and PCA3 score generation

2.3. Statistical analysis

3. Results

3.1. Development of logistic regression models incorporating urine T2:ERG and PCA3 scores

3.2. Incorporating urine T2:ERG and PCA3 with serum prostatespecific antigen or the PCPT risk calculators for predicting cancer or high-grade cancer on biopsy

3.3. Impact of MiPS-based models on biopsies averted and high-grade cancer diagnoses delayed

3.4. MiPS performance across clinical subsets

4. Discussion

5. Conclusions