Thu thập biomarker chẩn đoán xác định các phân nhóm bệnh nhân hematuria có nguy cơ cao: Khai thác sự không đồng nhất trong dữ liệu biomarker quy mô lớn

BMC Medicine - 2013
Frank Emmert‐Streib1, Funso Abogunrin1, Ricardo de Matos Simoes1, Brian Duggan2, Mark W. Ruddock3, Cherith N. Reid3, Owen Roddy1, Lisa M. White1, Hugh F. O’Kane2, Declan O’Rourke4, Neil Anderson5, Thiagarajan Nambirajan2, Kate E. Williamson1
1Centre for Cancer Research & Cell Biology, Queens University Belfast, 97 Lisburn Road, Belfast, BT9 7BL, Ireland
2Department of Urology, Belfast City Hospital, 75 Lisburn Road, Belfast, BT9 7AB, Ireland
3Molecular Biology, Randox Laboratories Ltd, Diamond Road, Crumlin, BT29 4QY, Ireland
4Department of Pathology, Belfast City Hospital, 75 Lisburn Road, Belfast, BT9 7AB, Ireland
5Department of Pathology, Royal Victoria Hospital, 274 Grosvenor Road, Belfast, BT12 6AB, Ireland

Tóm tắt

Tóm tắt Đặt vấn đề Phân loại nguy cơ không hiệu quả có thể làm chậm trễ việc chẩn đoán bệnh nghiêm trọng ở những bệnh nhân có hematuria. Chúng tôi đã áp dụng phương pháp sinh học hệ thống để phân tích các dữ liệu lâm sàng, nhân khẩu học và đo lường biomarker (n = 29) thu thập từ 157 bệnh nhân có hematuria: 80 bệnh nhân ung thư biểu mô niệu (UC) và 77 bệnh nhân đối chứng có các bệnh lý gây nhiễu. Phương pháp Dựa trên các biomarker, chúng tôi đã thực hiện phân cụm phân tầng kết hợp để xác định các cụm bệnh nhân và biomarker. Chúng tôi sau đó đã khám phá mối quan hệ giữa các cụm bệnh nhân và đặc điểm lâm sàng bằng cách sử dụng phân tích Chi-bình phương. Chúng tôi xác định lỗi phân loại và diện tích dưới đường cong hoạt động tiếp nhận của các Bộ phân loại Rừng ngẫu nhiên (RFC) cho các phân nhóm bệnh nhân sử dụng các cụm biomarker nhằm giảm chiều dữ liệu. Kết quả Phân cụm kết hợp đã xác định năm cụm bệnh nhân và bảy cụm biomarker. Các danh mục chẩn đoán cuối cùng được phân bố không ngẫu nhiên giữa năm cụm bệnh nhân. Thêm vào đó, hai trong số các cụm bệnh nhân này có khả năng chứa những bệnh nhân có đặc điểm "nguy cơ ung thư thấp". Các biomarker góp phần vào các bộ phân loại chẩn đoán cho hai cụm bệnh nhân này là tương tự nhau. Ngược lại, ba trong số các cụm bệnh nhân này có sự tập trung đáng kể những bệnh nhân mang đặc điểm "nguy cơ ung thư cao" bao gồm protein niệu, giai đoạn và độ ác tính bệnh lý hung hãn, và sinh học tế bào ác tính. Những bệnh nhân trong ba cụm này bao gồm cả các đối chứng, tức là, những bệnh nhân có bệnh nghiêm trọng khác và những bệnh nhân bị ung thư ngoài UC. Các biomarker góp phần vào các bộ phân loại cho cụm "nguy cơ ung thư cao" lớn nhất khác với các biomarker góp phần vào các bộ phân loại cho các cụm "nguy cơ ung thư thấp". Các biomarker góp phần vào các phân nhóm được chia tách theo tình trạng hút thuốc, giới tính và thuốc uống là khác nhau. Kết luận Phương pháp sinh học hệ thống được áp dụng trong nghiên cứu này cho phép các bệnh nhân hematuric nhóm lại một cách tự nhiên dựa trên sự không đồng nhất trong dữ liệu biomarker của họ, thành năm phân nhóm nguy cơ khác biệt. Những phát hiện của chúng tôi nổi bật cho một phương pháp đầy hứa hẹn nhằm khai thác tiềm năng của các biomarker. Điều này sẽ đặc biệt có giá trị trong lĩnh vực chẩn đoán ung thư bàng quang, nơi có nhu cầu cấp thiết về các biomarker. Các bác sĩ có thể giải thích điểm số phân loại nguy cơ trong bối cảnh các tham số lâm sàng tại thời điểm phân loại. Điều này có thể giảm số lần soi bàng quang và cho phép chẩn đoán ưu tiên các bệnh lý nguy hiểm, dẫn đến cải thiện kết quả cho bệnh nhân với chi phí giảm.

Từ khóa

#hematuria #ung thư bàng quang #biomarker #phân loại nguy cơ #sinh học hệ thống

Tài liệu tham khảo

Mostafid H, Persad R, Kockelbergh R, Fawcett D: Is it time to re-design the hematuria clinic?. BJU Int. 2010, 105: 585-588. 10.1111/j.1464-410X.2009.09108.x.

Jacobs BL, Lee CT, Montie JE: Bladder cancer in 2010: how far have we come?. CA Cancer J Clin. 2010, 60: 244-272. 10.3322/caac.20077.

Jemal A, Bray F, Center MM, Ferlay J, Ward E, Forman D: Global cancer statistics. CA Cancer J Clin. 2011, 61: 69-90. 10.3322/caac.20107.

Kulkarni GS, Finelli A, Fleshner NE, Jewett MA, Lopushinsky SR, Alibhai SM: Optimal management of high-risk T1G3 bladder cancer: a decision analysis. PLoS Med. 2007, 4: e284-10.1371/journal.pmed.0040284.

van der Aa MN, Steyerberg EW, Bangma C, van Rhijn BW, Zwarthoff EC, van der Kwast TH: Cystoscopy revisited as the gold standard for detecting bladder cancer recurrence: diagnostic review bias in the randomized, prospective CEFUB trial. J Urol. 2010, 183: 76-80. 10.1016/j.juro.2009.08.150.

Lotan Y, Elias K, Svatek RS, Bagrodia A, Nuss G, Moran B, Sagalowsky AI: Bladder cancer screening in a high risk asymptomatic population using a point of care urine based protein tumor marker. J Urol. 2009, 182: 52-57. 10.1016/j.juro.2009.02.142.

Kinders R, Jones T, Root R, Bruce C, Murchison H, Corey M, Williams L, Enfield D, Hass GM: Complement factor H or a related protein is a marker for transitional cell cancer of the bladder. Clin Cancer Res. 1998, 4: 2511-2520.

Johnston B, Morales A, Emerson L, Lundie M: Rapid detection of bladder cancer: a comparative study of point of care tests. J Urol. 1997, 158: 2098-2101. 10.1016/S0022-5347(01)68166-7.

Abogunrin F, O'Kane HF, Ruddock MW, Stevenson M, Reid CN, O'Sullivan JM, Anderson NH, O'Rourke D, Duggan B, Lamont JV, Boyd RE, Hamilton P, Nambirajan T, Williamson KE: The impact of biomarkers in multivariate algorithms for bladder cancer diagnosis in patients with hematuria. Cancer. 2011, 118: 2641-2650.

Leibovici D, Grossman HB, Dinney CP, Millikan RE, Lerner S, Wang Y, Gu J, Dong Q, Wu X: Polymorphisms in inflammation genes and bladder cancer: from initiation to recurrence, progression, and survival. J Clin Oncol. 2005, 23: 5746-5756. 10.1200/JCO.2005.01.598.

Margel D, Pesvner-Fischer M, Baniel J, Yossepowitch O, Cohen IR: Stress proteins and cytokines are urinary biomarkers for diagnosis and staging of bladder cancer. Eur Urol. 2011, 59: 113-119. 10.1016/j.eururo.2010.10.008.

Vidal M: A unifying view of 21st century systems biology. FEBS Lett. 2009, 583: 3891-3894. 10.1016/j.febslet.2009.11.024.

Emmert-Streib F, Glazko GV: Network biology: a direct approach to study biological function. Wiley Interdiscip Rev Syst Biol Med. 2011, 3: 379-391. 10.1002/wsbm.134.

Bossuyt PM, Reitsma JB, Bruns DE, Gatsonis CA, Glasziou PP, Irwig LM, Lijmer JG, Moher D, Rennie D, de Vet HC, Standards for Reporting of Diagnostic Accuracy: Towards complete and accurate reporting of studies of diagnostic accuracy: the STARD initiative. Standards for Reporting of Diagnostic Accuracy. Clin Chem. 2003, 49: 1-6. 10.1373/49.1.1.

Bossuyt PM, Reitsma JB, Bruns DE, Gatsonis CA, Glasziou PP, Irwig LM, Moher D, Rennie D, de Vet HC, Lijmer JG, Standards for Reporting of Diagnostic Accuracy: The STARD statement for reporting studies of diagnostic accuracy: explanation and elaboration. Clin Chem. 2003, 49: 7-18. 10.1373/49.1.7.

Barratt J, Topham P: Urine proteomics: the present and future of measuring urinary protein components in disease. CMAJ. 2007, 177: 361-368. 10.1503/cmaj.061590.

Fitzgerald SP, Lamont JV, McConnell RI, Benchikh el O: Development of a high-throughput automated analyzer using biochip array technology. Clin Chem. 2005, 51: 1165-1176. 10.1373/clinchem.2005.049429.

Theodoridis S: Pattern Recognition. 2003, Amsterdam; London: Academic Press, 2

Breiman L: Bagging predictors. Machine Learning. 1996, 24: 123-140.

Zhang H, Singer BH: Recursive Partitioning and Applications. 2010, New York: Springer

Haematuria guidelines. [http://www.baus.org.uk/AboutBAUS/publications/haematuria-guidelines]

Fassett RG, Venuthurupalli SK, Gobe GC, Coombes JS, Cooper MA, Hoy WE: Biomarkers in chronic kidney disease: a review. Kidney Int. 2011, 80: 806-821. 10.1038/ki.2011.198.

Goldstein SL: Acute kidney injury biomarkers: renal angina and the need for a renal troponin I. BMC Med. 2011, 9: 135-10.1186/1741-7015-9-135.

Bauer M, Eickhoff JC, Gould MN, Mundhenke C, Maass N, Friedl A: Neutrophil gelatinase-associated lipocalin (NGAL) is a predictor of poor prognosis in human primary breast cancer. Breast Cancer Res Treat. 2008, 108: 389-397. 10.1007/s10549-007-9619-3.

Perkovic V, Verdon C, Ninomiya T, Barzi F, Cass A, Patel A, Jardine M, Gallagher M, Turnbull F, Chalmers J, Craig J, Huxley R: The relationship between proteinuria and coronary risk: a systematic review and meta-analysis. PLoS Med. 2008, 5: e207-10.1371/journal.pmed.0050207.

Mason RA, Morlock EV, Karagas MR, Kelsey KT, Marsit CJ, Schned AR, Andrew AS: EGFR pathway polymorphisms and bladder cancer susceptibility and prognosis. Carcinogenesis. 2009, 30: 1155-1160. 10.1093/carcin/bgp077.

McShane LM: Statistical challenges in the development and evaluation of marker-based clinical tests. BMC Medicine. 2012, 10: 52-10.1186/1741-7015-10-52.

Marchio C, Dowsett M, Reis-Filho JS: Revisiting the technical validation of tumour biomarker assays: how to open a Pandora's box. BMC Medicine. 2011, 9: 41-10.1186/1741-7015-9-41.

Ferrante di Ruffano L, Hyde CJ, McCaffery KJ, Bossuyt PM, Deeks JJ: Assessing the value of diagnostic tests: a framework for designing and evaluating trials. BMJ. 2012, 344: e686-10.1136/bmj.e686.

Liu ET: Systems Biomedicine. 2010, Boston: Academic Press

Thông tin
Thông tin xuất bản

BMC Medicine

Thông tin tác giả