Autore: Nicolas Destefanis, Unità di Epidemiologia dei Tumori, Dipartimento di Scienze Mediche, Università di Torino
nicolas.destefanis@unito.it
Valentina Fiano, Unità di Epidemiologia dei Tumori, Dipartimento di Scienze Mediche, Università di Torino; Michelangelo Fiorentino, Dipartimento di Anatomia Patologica, Ospedale Bellaria-Maggiore, Università di Bologna; Francesca Giunchi, Dipartimento di Anatomia Patologica, IRCCS Azienda Ospedaliero-Universitaria di Bologna; Luca Lianas, Visual and Data-Intensive Computing, CRS4 (Centro di Ricerca, Sviluppo e Studi Superiori in Sardegna); Mauro Del Rio, Visual and Data-Intensive Computing, CRS4 (Centro di Ricerca, Sviluppo e Studi Superiori in Sardegna); Francesca Frexia, Visual and Data-Intensive Computing, CRS4 (Centro di Ricerca, Sviluppo e Studi Superiori in Sardegna); Luca Pireddu, Visual and Data-Intensive Computing, CRS4 (Centro di Ricerca, Sviluppo e Studi Superiori in Sardegna); Luca Molinaro, Unità di Anatomia Patologica, Dipartimento di Scienze Mediche, Università di Torino; Mauro Papotti, Unità di Anatomia Patologica, Dipartimento di Scienze Mediche, Università di Torino; Paola Cassoni, Unità di Anatomia Patologica, Dipartimento di Scienze Mediche, Università di Torino; Paolo Gontero, SCDU Urologia, Dipartimento di Scienze Chirurgiche, Università di Torino; Giancarlo Marra, SCDU Urologia, Dipartimento di Scienze Chirurgiche, Università di Torino; Marco Oderda, SCDU Urologia, Dipartimento di Scienze Chirurgiche, Università di Torino; Umberto Ricardi, Dipartimento di Oncologia, Università di Torino; Giuseppe Carlo Iorio, Dipartimento di Oncologia, Università di Torino; Piero Fariselli, Unità di Biomedicina Computazionale, Dipartimento di Scienze Mediche, Università di Torino; Daniela Zugna, Unità di Epidemiologia dei Tumori, Dipartimento di Scienze Mediche, Università di Torino; Lorenzo Richiardi, Unità di Epidemiologia dei Tumori, Dipartimento di Scienze Mediche, Università di Torino.
Categoria Primaria: Epidemiologia clinica
Introduzione: Il tumore alla prostata è quello più frequente negli uomini a livello europeo e si presenta nella maggior parte dei casi come localizzato o localmente avanzato. Il modello di prognosi più diffuso attualmente nella pratica clinica è il D’Amico, che divide i pazienti in tre categorie di rischio in base a stadio clinico, Gleason score e PSA. Negli ultimi anni, però, sono stati sviluppati diversi modelli che si sono dimostrati superiori al D’Amico attraverso l’aggiunta di nuovi marcatori prognostici (e.g., età del paziente e numero o proporzione di frustoli positivi e negativi) e cercando di utilizzare, ove possibile, l’intera gamma di valori piuttosto che stratificare i pazienti in rigidi gruppi di rischio.
Obiettivi: Aggiornare i migliori modelli di prognosi esistenti sulla coorte Turin Prostate Cancer Prognostication (TPCP), una coorte retrospettiva di pazienti con biopsia positiva per tumore della prostata e follow-up a lungo termine.
Metodi: La coorte TPCP comprende pazienti consecutivi non metastatici con una prima biopsia positiva per il tumore alla prostata eseguita tra il 2008 e il 2013 presso i due reparti di Anatomia Patologica della “A.O.U. Città della Salute e della Scienza di Torino”. Questi pazienti sono stati seguiti fino al 31 dicembre 2022 per rilevare l’insorgenza di metastasi, il decesso a causa di tumore alla prostata e il decesso per altre cause. Abbiamo adattato i punteggi D’Amico e Cancer of the Prostate Risk Assessment (CAPRA) e i modelli del Memorial Sloan Kettering Cancer Center (MSKCC) e il PREDICT Prostate nella coorte per valutare l’insorgenza di metastasi a cinque anni in presenza di rischi competitivi. Abbiamo valutato la capacità prognostica di ciascun modello in termini di calibrazione e discriminazione.
Risultati: Nell’analisi sono stati coinvolti 891 pazienti; durante il follow-up, 97 di loro hanno sviluppato metastasi e 301 sono morti; tra questi, 56 di tumore alla prostata. Il D’Amico è stato il modello meno performante (C-index: 0.66; IC 95%: 0.59-0.71), seguito dal CAPRA score (C-index: 0.77; IC 95%: 0.70-0.84), mentre PREDICT Prostate e MSKCC, hanno mostrato una buona discriminazione, con C-index pari a 0.82 (IC 95%: 0.75-0.87) e 0.83 (IC 95%: 0.76-0.88), rispettivamente. Tutti e quattro i modelli hanno dimostrato una buona calibrazione (p-value del test congiunto su intercetta e pendenza: D’Amico, p=0.51; CAPRA, p=0.35; PREDICT, p=0.74; MSKCC, p=0.43). L’aggiunta dell’indice di deprivazione corrispondente alla residenza dei pazienti non modifica la discriminazione dei modelli.
Conclusioni: La prognosi pre-trattamento è una componente essenziale nella gestione clinica del tumore alla prostata. Lo sviluppo e l’aggiornamento dei modelli di prognosi è necessario per indirizzare in modo sicuro le misure curative più radicali verso i pazienti ad alto rischio ed evitare di trattare eccessivamente quelli con tumori indolenti. [Progetto finanziato dall’AIRC (IG 2020 – ID. 24818, PI: Lorenzo Richiardi)]