Algoritmi noi de predicție pentru diagnosticarea precoce a cancerului, în ajutorul medicilor de familie

În Regatul Unit, supraviețuirea în cazul cancerului se situează sub media altor țări dezvoltate, iar una dintre principalele cauze este diagnosticarea tardivă. În 2011, Serviciul Național de Sănătate (NHS) a stabilit obiectivul de a diagnostica 75% dintre cancere în stadiu curabil (stadiile 1 și 2), însă în 2020 doar puțin peste jumătate dintre cazuri îndeplineau acest criteriu. În acest context, algoritmii de predicție precum QCancer au fost deja integrați în medicina primară pentru a estima probabilitatea unui cancer nediagnosticat, pe baza simptomelor și factorilor clinici. Studiul Universității Queen Mary din Londra vine cu o extindere majoră a acestor modele, integrând pentru prima dată rezultatele unor teste de sânge frecvente și predicții pentru 15 tipuri de cancer, inclusiv hepatic și oral.
Date recente sugerează că modificări subtile în analizele uzuale (hemoglobină, leucocite, trombocite) pot preceda diagnosticul de cancer cu ani înainte, reflectând procese inflamatorii sistemice precoce. Astfel, acest studiu a urmărit:

•  Dezvoltarea unor algoritmi care să prezică probabilitatea existenței unui cancer activ dar nediagnosticat.
•  Integrarea a șase teste de sânge uzuale ca markeri digitali ai riscului oncologic.
•  Validarea externă a modelelor în două cohorte independente, totalizând peste 5,3 milioane de persoane.

Despre studiu

Datele au fost extrase din două baze mari de date electronice (QResearch și CPRD Gold), cuprinzând dosare clinice anonimizate, legate de internări și decese.

• Cohortă derivare (QResearch): 7.464.507 persoane, 129.715 cazuri de cancer.
• Cohorte de validare (QResearch și CPRD): peste 5,3 milioane de persoane și peste 77.000 de cazuri de cancer.

Au fost dezvoltate două modele:

•  Model A: simptome și factori clinici.
•  Model B: simptome, factori clinici și rezultate din analize de sânge.

Rezultate principale

Predictori noi identificați

Comparativ cu versiunile anterioare ale QCancer, studiul a identificat mai mulți predictori suplimentari:

• Afecțiuni medicale: ciroză hepatică, hepatită B și C (cancer hepatic); HIV/SIDA (asociat cu risc crescut pentru mai multe cancere).
• Simptome suplimentare: prurit, vânătăi, durere de spate, răgușeală, flatulență, masă abdominală, urină închisă la culoare.
• Factori de laborator:

• Hemoglobină scăzută – asociată cu risc crescut pentru cancer pulmonar, colorectal, hematologic și gastroesofagian.
• Trombocite crescute – asociate cu risc pentru 6-8 tipuri de cancer, în special colorectal (bărbați) și ovarian (femei).
• Neutrofile crescute – asociate cu risc de cancer pulmonar și alte tipuri.
• Albumină scăzută și fosfatază alcalină crescută – marcatori importanți pentru cancere digestive.
• Bilirubină crescută – corelată în special cu cancer hepatic.

Performanța modelelor

Ambele modele au fost validate extern și au demonstrat performanță superioară comparativ cu QCancer:

• Discriminare (AUROC/c-statistic):

• Model B: 0.876 la bărbați și 0.844 la femei pentru orice cancer.
• Toate cancerele au avut AUROC >0.78 (bărbați), 10 cancere >0.80 (femei).

• Sensibilitate la pragul de referință NICE de 3%:

• QCancer identifica 78% (bărbați) și 66% (femei) dintre cazuri.
• Model A: 83% (bărbați), 77% (femei).
• Model B: sensibilitate ușor îmbunătățită față de Model A pentru 7 cancere (inclusiv colorectal, ovarian, pulmonar).

• Recalibrare:

• Modelele au fost bine calibrate în cohorta din Anglia. Ușoare suprapredicții în cohorta CPRD din alte națiuni britanice.

Utilitate clinică și impact

Modelul B, cu analize de sânge, a adus o creștere modestă dar reală a beneficiului net față de Modelul A, iar ambele modele depășesc performanța QCancer în:

• Discriminare și sensibilitate, inclusiv pentru cazurile în stadii timpurii.
• Reclasificarea corectă a pacienților cu risc crescut (13,4% dintre bărbați și 6,9% dintre femei au fost „ridicați” în categoriile de risc).
• Comunicarea riscului: oferă estimări de probabilitate mai precise, util în decizia de trimitere pentru investigații.

Concluzii

Studiul validează dezvoltarea unor modele de predicție clinică robuste și extinse pentru identificarea precoce a cancerului, incluzând 15 tipuri, printre care pentru prima dată și cancerul hepatic și oral. Prin integrarea unor analize uzuale de sânge, modelele pot funcționa ca instrumente digitale de triaj oncologic în medicina primară, sprijinind decizia clinică privind investigații sau trimitere la specialist.

Ambele modele pot fi implementate în sistemele informatice ale medicilor de familie, utilizând informații deja disponibile în dosarele electronice ale pacienților. Deși nu oferă un diagnostic, aceste algoritme pot reduce întârzierile de diagnostic, direcționa corect pacienții la investigații și contribui la îmbunătățirea supraviețuirii oncologice în populație.

Implicații pentru practica medicală

•  Utilizarea pe scară largă ar putea contribui la atingerea țintei de 75% diagnostic în stadii curabile.
•  Sunt utile mai ales în cazuri cu simptome nespecifice sau multiple comorbidități (de exemplu, HIV, hepatită cronică).
•  Necesită validare locală în alte sisteme de sănătate, dar principiul este aplicabil global.