Клінічне застосування моделей оцінки ризику РГЗ (українські моделі)

Науково-освітній інтернет-портал ІЕПОР ім. Р.Є.Кавецького НАН України

Первинна профілактика, діагностика і лікування хворих на рак молочної залози

Сьогодні: 24.09.2017

Клінічне застосування моделей оцінки ризику РГЗ (українські моделі)

(1 Голосувати)

Існуючі моделі розрахунку ризику РГЗ базуються на комбінації факторів ризику та вираховують ризик РГЗ на певний період часу чи на все життя жінки. Кілька моделей були розроблені з цією метою, найуживанішими з них є: модель Гейла, що була змінена та доповнена, модель Клауса, модель Тайрера—Кужика (модель IBIS), модель BOADICEA та ін., але недоліком цих моделей є відсутність впливу факторів екологічного середовища проживання, що характерно для населення України. Для українських жінок дослідження оцінки індивідуального ризику в регіонах з різним канцерогенним навантаженням не проводилося.

Науковцями Ужгородського національного університету розроблено модель для визначення ризику РГЗ на основі анкети-опитувальника за відомими факторами ризику: вік, вага, зріст, паління, вживання алкоголю, вік менархе, наявність передменструального синдрому (ПМС), протизаплідні заходи, вік менопаузи, вік першої вагітності, кількість пологів, тривалість лактації, наявність абортів/викиднів, попередні захворювання грудних залоз (мастит, травма, доброякісні стани), хронічні захворювання щитоподібної залози, печінки, матки та/або яєчників, регулярність проходження огляду в гінеколога та наявність симптомів при самообстеженні, наявність родичок із РГЗ та випадки раку іншої локалізації у сім’ї.

На базі моделі була створена комп’ютерна програма на мові програмування С# для визначення ризику РГЗ (рис.1), яку впроваджено в роботу Закарпатського обласного клінічного онкологічного диспансеру (м. Ужгород) [38].

zas1

Рис. 1. Інтерфейс програми для визначення ризику РГЗ на базі розробленої моделі

Автори [38] вважають, що використання запропонованого математичного моделювання істотно покращує ефективність анкетного скринінгу, спрощує анкетування за рахунок зменшення кількості запитань, є більш точним та швидким способом визначення груп ризику РГЗ.

В Україні дослідження з оцінки доцільності проведення медико-генетичного консультування з використанням алгоритмів, що передує генетичному тестуванню, було проведено групою вчених з Державної установи «Національний науковий центр радіаційної медицини НАМНУ» [39, 40, 41].

Оцінювали та порівнювали можливості Манчестерської бальної системи (МБС), алгоритму Penn II та Myriad на індивідуальному рівні відрізняти пацієнтів з мутацією BRCA1/2 та осіб без мутантних алелей серед українських жінок із раннім розвитком РГЗ та/або обтяженим сімейним анамнезом щодо РГЗ.

Критеріями включення у розрахунок досліджуваних алгоритмів слугували: наявність у пробанда РГЗ з маніфестацією захворювання <40 років; 2 та більше випадків РГЗ в сім’ї, принаймні один з яких діагностований у віці <50 років та/ або РЯ у будь-якому віці, наявність у родоводі білатерального РГЗ, злоякісних пухлин грудних залоз у чоловіків. Були включені випадки РГЗ та/або РЯ серед родичів першого або другого ступенів спорідненості.

Ефективність роботи досліджуваних моделей оцінювали за величинами площ під кривими (ППК). Чим ближче ППК до 1, тим вище ефективність роботи алгоритму. Так, ППК 0,9-1 вказує на відмінну точність алгоритму, 0,8-0,9 - дуже гарну, 0,7-0,8 - хорошу, 0,6-0,7 - середню, 0,5-0,6 - незадовільну дискримінаційну здатність. Визначення та порівняльний аналіз ППК алгоритмів, побудову ROC-кривих (рис. 2) проводили за допомогою статистичної програми MedCalc [42]. Операційні характеристики моделей порівнювали за допомогою точного тесту Фішера.

zas2

Рис. 2. ROC-криві алгоритмів щодо прогнозу BRCA1 та BRCA1/2 мутацій для осіб з обтяженими родоводами.

За результатами дослідження дискримінаційної здатності алгоритмів виявлено, що моделі BOADICEA та МБС є найбільш точними щодо прогнозування як BRCA1, так і комбінованого ризику BRCA1/2 патогенних алелей. Ці дані узгоджуються з результатами дослідження A.C. Antoniou та співавторів [43], а також аналізом, який проведено D.G. Evans та співавторами [44]. Натомість S.M Panchal зі співавторами найбільш оптимальною моделлю вважають Penn II, та наголосили, що МБС має нижчу ППК на противагу першому алгоритму, BRCAPRO, Myriad II, FHAT та BOADICEA [45].

Таблицю розрахунку балів ризику розвитку РГЗ розроблено українськими вченими та розміщено на сайті «Мамологія Інфо» [46]. В таблицю включено основні фактори ризику розвитку РГЗ з їх бальною оцінкою (Табл. 2).

Таблиця 2. Розрахунок ризику розвитку РГЗ (фактори ризику та відповідні бали)

1. Куріння

0,5

2. Вживання алкоголю регулярно частіше 2 разів на тиждень по 50 грам і більше протягом року

0,5

3. Тривале перебування під впливом шкідливих газів

0,3

4. Радіація

1,0

5. Неадекватний статевий потяг

1,0

6. Відсутність задоволення від статевого життя

2,0

7. Статеве життя рідше одного разу на тиждень

1,0

8. Часті перерви в статевому житті більше 1 місяця

2,5

9. Тривале вдівство (більше 10 років) у віці 28-30 років

10. Використання перерваного статевого акту для запобігання вагітності

0,5 

11. Кількість абортів більше 7

0,5 

12. Перші пологи у віці старше 28-30 років

3,0

13. Народження першої дитини з масою тіла 4 кг і більше

1,5 

14. Багато молока при годуванні дитини

2,5

15. Останні пологи або аборт у віці старше 28-30 років

3,0

16. Годування дитини менше 5 місяців

0,5

17. Ранній (до 12 років) або пізній (після 16 років) початок місячних

1,0

18. Тривалість менструації більше 5 днів

0,3 

19. Ранній клімакс (до 45 років)

1,5

20. Пізній клімакс (після 53 років)

2,5

21. Наявність маткових кровотеч

0,5

22. Наявність супутніх захворювань - вегетосудинні порушення, у тому числі гіпертонічна хвороба

0,3

23. Неврастенія

0,5

24. Перенесена жовтяниця, захворювання печінки

0,6 - 1,8

25. Зайва вага (більше 10 кг)

0,6

26. Порушення функції щитовидної залози

2,0

27. Наявність діенцефального синдрому

2,0

28. Цукровий діабет

0,3

29. Травми молочних залоз і матки

1,0

30. Захворювання жіночих статевих органів

2,0 - 4,0

31. Генетически неблагоприятная ситуація

3,0 - 5,0

31. Генетично несприятлива ситуація

10,0 -15,0

32. Захворювання молочних залоз

10,0 -15,0

 

Висновки та рекомендації

I зона ризику - 0-8,9 балів

а) обов'язковий огляд жінок хірургом, гінекологом

б) огляд мамологом 1 раз на рік + УЗД обстеження у жінок до 40 років. УЗД + мамографія 1 раз на 2 роки у жінок старше 40 років.

ІI зона ризику - 8,9-25,7 балів

а) обов'язковий огляд мамологом, гінекологом, терапевтом, хірургом 1 раз на 6 місяців. УЗД і мамографія як в зоні І.

IIІ зона ризику - 25,7-54,5 балів

а) обов'язковий огляд районним онкологом, мамологом, хірургом, гінекологом 1 раз на 6 місяців

б) до 40 років УЗД 2 рази на рік

в) старше 40 років - УЗД 2 рази на рік + 1 раз на рік мамографія

Висновки та рекомендації

I зона ризику - 0-8,9 балів

а) обов'язковий огляд жінок хірургом, гінекологом

б) огляд мамологом 1 раз на рік + УЗД обстеження у жінок до 40 років. УЗД + мамографія 1 раз на 2 роки у жінок старше 40 років.

 

ІI зона ризику - 8,9-25,7 балів

а) обов'язковий огляд мамологом, гінекологом, терапевтом, хірургом 1 раз на 6 місяців. УЗД і мамографія як в зоні І.

 

IIІ зона ризику - 25,7-54,5 балів

а) обов'язковий огляд районним онкологом, мамологом, хірургом, гінекологом 1 раз на 6 місяців

б) до 40 років УЗД 2 рази на рік

в) старше 40 років - УЗД 2 рази на рік + 1 раз на рік мамографія

1. Wendy S. Rubinstein, MD, PhD, Suzanne M. O'Neill, PhD, June A. Peters, MS, Laura J. Rittmeyer, MS, and Mona P. Stadler, MS Mathematical Modeling for Breast Cancer Risk Assessment - ONCOLOGY 16:1082-1099, 2002.

2. Claus EB, Risch N, Thompson WD: Genetic analysis of breast cancer in the cancer and steroid hormone study. Am J Hum Genet 1991, 48:232-242.

3. D.G.R.Evans, A. Howell Breast cancer risk assessment models. Dreast Cancer Research, 2007, 9:213-219.

4. Amir E, Evans DG, Shenton A, Lalloo F, Moran A, Boggis C, Wilson M, Howell A: Evaluation of breast cancer risk assessment packages in the Family History Evaluation and Screen¬ing Programme. J Med Genet 2003, 40:807-814.

5. Huang Z, Willett WC, Colditz GA, Hunter DJ, Manson JE, Rosner B, Speizer FE, Hankinson SE: Dual effects of weight gain on breast cancer risk. JAMA 2000, 278:1407-1411.

6. Mitchell G, Antoniou AC, Warren R, Peock S, Brown J, Davies R, Mattison J, Cook M, Warsi I, Evans DG, et al.: Mammographic density and breast cancer risk in BRCA1 and BRCA2 mutation carriers. Cancer Res 2006, 66:1866-1872.

7. Gail MH, Brinton LA, Byar DP, Corle DK, Green SB, Schairer C, Milvihill JJ: Projecting individulized probabilities of developing breast cancer for white females who are being examined annually. J Natl Cancer Inst 1989, 81:1879-1886.

8. By Wendy S. Rubinstein, MD, PhD, Suzanne M. O'Neill, PhD, June A. Peters, MS, Laura J. Rittmeyer, MS, and Mona P. Stadler, MS Mathematical Modeling for Breast Cancer Risk Assessment - ONCOLOGY 16:1082-1099, 2002.

9. Costantino JP, Gail MH, Pee D, Anderson S, Redmond CK, Beni- chou J, Wieand HS: Validation studies for models projecting the risk of invasive and total breast cancer incidence. J Natl Cancer Inst 1999, 91:1541-1548.

10. Claus EB, Risch N, Thompson WD: The calculation of breast cancer risk for women with a first degree family history of ovarian cancer. Breast Cancer Res Treat 1993, 28:115-120.

11. Claus EB, Risch N, Thompson WD: Autosomal dominant inheri¬tance of early onset breast cancer. Cancer 1994, 73:643-651.

12. McGuigan KA, Ganz PA, Breant C: Agreement between breast cancer risk estimation methods. J Natl Cancer Inst 1996, 88: 1315-1317. 

13. McTiernan A, Kuniyuki A, Yasui Y, Bowen D, Burke W, Culver JB, Anderson R, Durfy S: Comparisons of two breast cancer risk estimates in women with a family history of breast cancer. Cancer Epidemiol Biomarkers Prev 2001, 10:333-338.

14. Evans DGR, Lalloo F: Risk assessment and management of high risk familial breast cancer. J Med Genet 2002, 39:865-871.

15. Evans DG, Kerr B, Lalloo F: Risk estimation in breast cancer. In Risk Assessment and Management in Cancer Genetics. Edited by Lalloo F, Kerr B, Friedman J, Evans DGR. Oxford: Oxford University Press; 2005:47-64.

16. van Asperen CJ, Jonker MA, Jacobi CE, van Diemen-Homan JE, Bakker E, Breuning MH, van Houwelingen JC, de Bock GH: Risk estimation for healthy women from breast cancer families: new insights and new strategies. Cancer Epidemiol Biomarkers Prev 2004, 13:87-93.

17. Parmigiani G, Berry DA, Aquilar O: Determining carrier probabilities for breast cancer susceptibility genes BRCA1 and BRCA2. Am J Hum Genet 1998, 62:145-148.

18. Antoniou AC, Pharoah PP, Smith P, Easton DF. The BOADICEA model of genetic susceptibility to breast and ovarian cancer. Br J Cancer. 2004; 91(8):1580–1590.

19. Antoniou AC, Cunningham AP, Peto J, et al. The BOADICEA model of genetic susceptibility to breast and ovarian cancers: updates and extensions. Br J Cancer. 2008;98(8):1457–1466.

20. Jonker MA, Jacobi CE, Hoogendoorn WE, Nagelkerke NJ, de Bock GH, van Houwelingen JC. Modeling familial clustered breast cancer using published data. Cancer Epidemiol Biomarkers Prev. 2003;12(12): 1479–1485.

21. Couch FJ, DeShano ML, Blackwood MA, et al: BRCA1 mutations in women attending clinics that evaluate the risk of breast cancer [see comments]. N Engl J Med 336:1409-1415, 1997.

22. Shattuck-Eidens D, Oliphant A, McClure M, et al: BRCA1 sequence analysis in women at high risk for susceptibility mutations. Risk factor analysis and implications for genetic testing. JAMA 278:1242-1250, 1997.

23. Frank TS, Manley SA, Olopade OI, et al: Sequence analysis of BRCA1 and BRCA2: Correlation of mutations with family history and ovarian cancer risk. J Clin Oncol 16:2417-2425, 1998.

24. Ford D, Easton DF, Stratton M, et al: Genetic heterogeneity and penetrance analysis of the BRCA1 and BRCA2 genes in breast cancer families. The Breast Cancer Linkage Consortium. Am J Hum Genet 62:676-689, 1998.

25. D Gareth R Evans, Anthony Howell Breast cancer risk-assessment models. - Breast Cancer Research 2007, 9:213  doi:10.1186/bcr1750.

26. Beral V: Breast cancer and hormone-replacement therapy in the Million Women Study. Lancet 2003, 362:419-427.

27. [Electronic resource]. – Mode of access: http://www.cancer.gov/bcrisktool/Default.aspx

28. Rockhill B, Spiegelman D, Byrne C, et al.: Validation of the Gail et al. model of breast cancer risk prediction and implications for chemoprevention. J Natl Cancer Inst 93 (5): 358-66, 2001.

29. Bondy ML, Newman LA: Breast cancer risk assessment models: applicability to African-American women. Cancer 97 (1 Suppl): 230-5, 2003.

30. Schonfeld SJ, Pee D, Greenlee RT, et al.: Effect of changing breast cancer incidence rates on the calibration of the Gail model. J Clin Oncol 28 (14): 2411-7, 2010.

31. Gail MH, Costantino JP, Pee D, et al.: Projecting individualized absolute invasive breast cancer risk in African American women. J Natl Cancer Inst 99 (23): 1782-92, 2007.

32. Gail MH: Discriminatory accuracy from single-nucleotide polymorphisms in models to predict breast cancer risk. J Natl Cancer Inst 100 (14): 1037-41, 2008. 

33. Gail MH: Value of adding single-nucleotide polymorphism genotypes to a breast cancer risk model. J Natl Cancer Inst 101 (13): 959-63, 2009.

34. Barlow WE, White E, Ballard-Barbash R, et al.: Prospective breast cancer risk prediction model for women undergoing screening mammography. J Natl Cancer Inst 98 (17): 1204-14, 2006. 

35. Tice JA, Cummings SR, Ziv E, et al.: Mammographic breast density and the Gail model for breast cancer risk prediction in a screening population. Breast Cancer Res Treat 94 (2): 115-22, 2005.

36. Tyrer J, Duffy SW, Cuzick J: A breast cancer prediction model incorporating familial and personal risk factors. Stat Med 23 (7): 1111-30, 2004.

37. BOADICEA [Electronic resource]. – Mode of access: http://ccge.medschl.cam.ac.uk/boadicea/

38. Русин А.В., Русин В.І., Одошевська О.М., Девіняк О.Т. Побудова математичної моделі для оптимізації програми скринінгу РГЗ // Український журнал хірургії,  2014. - №2(25)– С. 55-58.

39. Рибченко Л.А.,  Бичкова А.М., Скибан Г.В., Тімшина А.М., Клименко С.В. Оцінка вірогідності мутації генів BRCA1/2 за допомогою манчестерської бальної системи та алгоритму BOADICEA / Зб.наук. праць спів робіт. НМАПО ім.. П.Л. Шупика. Радіаційна медицина. – 2013. – 22 (3). – С. 415 – 421.

40. Рибченко Л.А., Бичкова Г.М., Скибан Г.В., Клименко С.В. Порівняння моделей оцінки ризику носійства мутації BRCA1 та BRCA2 у хворих на рак молочної залози / Журнал «Медичні перспективи». Клінічна медицина. – 2013. – Том XVIII (3). - С. 68-74.

41. Рибченко Л.А., Бичкова Г.М., Скибан Г.В., Клименко С.В. прогнозування вірогідності носійства мутацій BRCA1 та BRCA2 у жінок з обтяженим сімейним анамнезом щодо раку молочної залози та/або раку яєчників / Наук.-практ. журнал «Проблеми радіаційної медицини та радіобіології. – 2013. – Вип. 18. – С. 253-260.

42. MedCalc Software [Electronic resource]. – Mode of access: http://soft.mydiv.net/win/download-MedCalc.html

43. Predicting the likelihood of carrying a BRCA1 or BRCA2 mutation: validation of BOADICEA, BRCAPRO, IBIS, Myriad and the Manchester scoring system using data from UK genetics clinics / A.C. Antoniou, R. Hardy, L. Walker [et al.] // J. Med. Genet. -2008. - Vol. 45, № 7. - P. 425-431.

44. A new scoring system for the chances of identifying a BRCA1/2 mutation outperforms existing models including BRCAPRO / D.G. Evans, D.M. Eccles, N. Rahman [et al.] // J. Med. Genet. - 2006. – Vol. 41. – P. 474-480.

45. Selecting a BRCA risk assessment model for use in a familial cancer clinic / S.M Panchal, M. Ennis, S. Canon, L.J. Bordeleau // BMC Med. Genet. - 2008. - Vol. 9. - P. 116.

46. Мамологія Інфо [Електронний ресурс] – Режим доступу: http://www.mammology.info/bali.htm

47. IBIS [Electronic resource]. – Mode of access: http://www.ems-trials.org/riskevaluator/

 

Останнє редагування Середа, 29 червня 2016 17:07
Ви тут: Home