Skip to main content

 

Nyt screeningsværktøj forudser risikoen for at udvikle prostatakræft

ASCO-GU: Amerikanske forskere har udviklet en screeningsalgoritme, der kan forudsige risikoen for at udvikle metastatisk prostatacancer eller død blandt forskellige befolkningsgrupper.

Undersøgelsen bag algoritmen bliver præsenteret på årets ASCO GU-kongres (abstrakt #155), der foregår d.17-19 februar 2022 i San Francisco. 

Scoringsalgoritmen inkorporerede 290 forskellige genetiske varianter for prostatacancer, der tidligere er blevet påvist som værende forbundet til prostatakræft, og identificerede nøjagtigt mennesker med høj eller lav livstidsrisiko for at udvikle metastatisk prostatacancer eller dø af sygdommen. 

Risikoen for død var 4,41 gange højere for personer, der havde en score i de øverste 20 procent af den genetiske risiko sammenlignet med dem i de laveste 20 procent. Derudover havde personer med afrikansk herkomst den højeste risiko for at udvikle metastatisk prostatakræft og dø af sygdommen. 

Omfattende genetisk risikoscore

Fordelen ved den arvelige genetiske information er, at den ikke ændrer sig gennem en persons levetid, hvorimod tumorgenudtrykket kan være meget varierende og kun er tilgængelige, når patienten allerede har udviklet sygdommen. 

Forskergruppen bag undersøgelsen peger på, at en omfattende genetisk risikoscore kan være et effektivt værktøj til at vejlede screeningsbeslutninger ved at identificere personer med høj eller lav risiko for at udvikle metastatisk prostatacancer.

Nuværende screening for prostatacancer inkluderer ofte en prostataspecifik antigen test (PSA), men der er usikkerhed om testens præcision og dens anvendelighed til præcist at forudsige risikoen for at udvikle aggressive former for sygdommen. Forskere har derfor forsøgt at udvikle mere nøjagtige tests i årtier, da prostatacancer fortsat er en dødelig sygdom. 

Studiet bestod af 513.997 amerikanske veteraner med en gennemsnitsalder på 69 år ved opfølgning. Scoringsalgoritmen er endnu ikke kommercielt tilgængelig, og forskerne håber på sigt at kunne identificere flere herkomstspecifikke risikovarianter, som også kan anvendes  algoritmen.