パーソナライズドヘルスケア：前立腺癌検査への新しいアプローチ
遺伝や家族の要因に基づくパーソナライズされた前立腺がんスクリーニングへのシフトを調べる。
Jason L Vassy, Anna M Dornisch, Roshan Karunamuni, Michael Gatzen, Christopher J Kachulis, Niall J Lennon, Charles A Brunette, Morgan E Danowski, Richard L Hauger, Isla P Garraway, Adam S Kibel, Kyung Min Lee, Julie A Lynch, Kara N Maxwell, Brent S Rose, Craig C Teerlink, George J Xu, Sean E Hofherr, Katherine A Lafferty, Katie Larkin, Edyta Malolepsza, Candace J Patterson, Diana M Toledo, Jenny L Donovan, Freddie Hamdy, Richard M Martin, David E Neal, Emma L Turner, Ole A Andreassen, Anders M Dale, Ian G Mills, Jyotsna Batra, Judith Clements, Olivier Cussenot, Cezary Cybulski, Rosalind A Eeles, Jay H Fowke, Eli Marie Grindedal, Robert J Hamilton, Jasmine Lim, Yong-Jie Lu, Robert J MacInnis, Christiane Maier, Lorelei A Mucci, Luc Multigner, Susan L Neuhausen, Sune F Nielsen, Marie-Élise Parent, Jong Y Park, Gyorgy Petrovics, Anna Plym, Azad Razack, Barry S Rosenstein, Johanna Schleutker, Karina Dalsgaard Sørensen, Ruth C Travis, Ana Vega, Catharine M L West, Fredrik Wiklund, Wei Zheng, Tyler M Seibert
― 1 分で読む
目次
医療はどんどん変わってるよ。みんなを同じように扱うんじゃなくて、医者たちは個々のニーズやリスク、さらには家族の背景まで考えるようになってきた。スーツを仕立てるのに似てるよね。テイラーが自分にぴったりなサイズを測るように、医者もリスクに基づいてカスタマイズされた医療プランを作ってる。このパーソナライズされたアプローチは、病気の予防や早期発見に特に重要なんだ。
遺伝子の役割
この変化の大きな要因の一つが遺伝子。私たちの遺伝子は、特定の病気にかかる確率についてたくさんの情報を教えてくれる。遺伝子データを見れば、医者は誰がいつ病気になるかの予測をより良くできる。しかし、可能性は大きいけど、こうした遺伝子の洞察が患者の健康結果を改善するかどうかを証明するためには、もっと研究が必要なんだ。
ゲノムバイオバンクからの学び
大量の遺伝情報を持ってる医療システム、つまりゲノムバイオバンクは大きな可能性を秘めてる。このシステムはデータを集めて遺伝子検査が病気の予測に役立つか学べるかもしれない。それにより、スクリーニングや予防ケアの管理が改善されるかも。最終的な目標はシンプル：みんなの健康を良くすること、そして学んだことを他の医療システムと共有すること。
前立腺がん検査のケース
パーソナライズド医療が実際に影響を与えられる分野の一つが前立腺がん検査。前立腺がんはかなり一般的で、家族で引き継がれることもある。研究者たちは遺伝的要因とこの病気の関連を見つけたから、高リスクの人を特定できる可能性がある。でも、異なるグループの人たちを効率的にスクリーニングする方法についてはまだ議論があるんだ。
過剰なスクリーニングは、必要のない治療や不安を引き起こすことがあるし、逆にスクリーニング不足だと注意が必要なケースを見逃すかもしれない。一律の解決策はなくて、そこがパーソナライズド医療の強みなんだ。
前立腺がんリスクモデルの開発
この問題に対処するため、研究者たちは前立腺がん検査のための新しいリスクモデル、P-CAREモデルを考案した。このモデルは遺伝スコアや家族歴を考慮して、誰がスクリーニングから利益を得られるかをより良く予測するんだ。彼らは大規模な健康記録と遺伝データのデータベースを使って、このモデルを作成しテストした。
研究の概要と方法論
研究者たちは退役軍人の健康プログラムからの大きなデータセットからスタートした。新しい多遺伝子スコアを使って、以前のモデルを更新した。P-CAREモデルは、異なる男性グループに対しても機能するかを確かめるために、他のデータセットとテストされた。
たくさんの数字を分析して、モデルが遺伝的特性や家族歴に基づいて異なる結果をどれだけよく予測するかを調査した。明らかなリスクパターンが見られて、スクリーニングの判断を導くのに役立ちそうだった。
データ分析と発見
データ分析では、参加者の数や前立腺がんリスクに影響を与える可能性のある様々な要因を調べた。このモデルは信頼性が高く、高リスクの個人を効果的に特定できた。例えば、前立腺がんの家族歴がある男性は、早めにスクリーニングが必要な可能性が高いことがわかった。
研究者たちはまた、遺伝的要因が前立腺がんの治療に対する男性の反応に影響を与えるかも考慮に入れた。この情報があれば、医者は情報に基づいた決定を下し、高リスクでない人に対しては不要な検査や治療を避けることができる。
臨床検査の作成
次に、チームはこのモデルを実践に移す方法を考えた。彼らは前立腺がんに関連する一般的およびまれな遺伝的変異に関する詳細な情報を提供する、二種類の遺伝子配列を組み合わせた混合ゲノム-エクソーム検査を開発した。
検査と検証
検査が準備できたら、研究者たちはそれを検証する必要があった。この新しい検査からの遺伝的発見を標準的なゲノム配列と比較して、正確性を確認した。ほとんどの遺伝子がテストを通過し、新しいアッセイがリスク特定にうまく機能することが確認された。
臨床応用と報告
すべての検証ステップを通過した後、チームは医者と患者のための報告システムを作成した。この報告書は、P-CAREモデルに基づいて患者のリスクを要約し、重要な遺伝的発見を強調する。医者はこの情報を使って、効果的にスクリーニングの推奨をカスタマイズできる。
臨床試験の実施
本当にワクワクするのは、ProGRESSと呼ばれる臨床試験の開始だ。この研究では、P-CAREモデルの効果を大規模な男性グループでテストする予定。標準的なケアと新しい精密スクリーニングアプローチを比較することで、研究者たちはパーソナライズド医療がより良い結果をもたらすことができると証明したいと考えてる。
前立腺がん検査の意義
このパーソナライズド医療の取り組みは、特に高リスクのグループにおける前立腺がんの結果の格差を解決する手助けになるかもしれない。モデルは、単に人種に基づく過去のモデルが抱えていた落とし穴を避けることを目指して、遺伝子を要因として利用している。
結論：前立腺がんケアの新時代
要するに、特に前立腺がんのような深刻な問題に対するこのパーソナライズドアプローチは、地図を使う代わりにGPSを使うようなものだ。それぞれの人に合ったルートを知ることが大事で、独自の遺伝子と家族歴に基づいている。最終的には、スクリーニングの効率が高まり、患者にとっての結果も向上し、全体的な公衆衛生も改善されるかもしれない。
未来の方向性
このモデルが成熟するにつれて、研究者たちは生活習慣や環境の影響など、他のリスク要因も含めることを考えるだろう。目標は、みんなが最高のケアにアクセスできるように、さらに包括的なツールを作ること。
継続的な学びの重要性
健康データの収集と分析は、これらのモデルを洗練させるために必要不可欠だ。もっと学べば、医療システムは適応し改善され、誰もが必要な予防ケアを受けられるようになる-過剰スクリーニングによる不要なストレスなしで。
最後の思い
パーソナライズド医療への移行は複雑に見えるかもしれないけど、その核心は、誰もが適切なタイミングで適切なケアを受けられることを確保すること。医療システムが進化し続ける中で、医療が推測だけではなく、よりフィット感のあるスーツのように感じられる未来を楽しみにしていこう。
これが最終的に予防医療の景観を変え、潜在的な健康リスクを管理可能なものにし、命を救うことにつながるかもしれない。
タイトル: From a genomic risk model to clinical trial implementation in a learning health system: the ProGRESS Study
概要: BackgroundAs healthcare moves from a one-size-fits-all approach towards precision care, individual risk prediction is an important step in disease prevention and early detection. Biobank-linked healthcare systems can generate knowledge about genomic risk and test the impact of implementing that knowledge in care. Risk-stratified prostate cancer screening is one clinical application that might benefit from such an approach. MethodsWe developed a clinical translation pipeline for genomics-informed prostate cancer screening in a national healthcare system. We used data from 585,418 male participants of the Veterans Affairs (VA) Million Veteran Program (MVP), among whom 101,920 self-identify as Black/African-American, to develop and validate the Prostate CAncer integrated Risk Evaluation (P-CARE) model, a prostate cancer risk prediction model based on a polygenic score, family history, and genetic principal components. The model was externally validated in data from 18,457 PRACTICAL Consortium participants. A novel blended genome-exome (BGE) platform was used to develop a clinical laboratory assay for both the P-CARE model and rare variants in prostate cancer-associated genes, including additional validation in 74,331 samples from the All of Us Research Program. ResultsIn overall and ancestry-stratified analyses, the polygenic score of 601 variants was associated with any, metastatic, and fatal prostate cancer in MVP and PRACTICAL. Values of the P-CARE model at [≥]80th percentile in the multiancestry cohort overall were associated with hazard ratios (HR) of 2.75 (95% CI 2.66-2.84), 2.78 (95% CI 2.54-2.99), and 2.59 (95% CI 2.22-2.97) for any, metastatic, and fatal prostate cancer in MVP, respectively, compared to the median. When high- and low-risk groups were defined as P-CARE HR>1.5 and HR
著者: Jason L Vassy, Anna M Dornisch, Roshan Karunamuni, Michael Gatzen, Christopher J Kachulis, Niall J Lennon, Charles A Brunette, Morgan E Danowski, Richard L Hauger, Isla P Garraway, Adam S Kibel, Kyung Min Lee, Julie A Lynch, Kara N Maxwell, Brent S Rose, Craig C Teerlink, George J Xu, Sean E Hofherr, Katherine A Lafferty, Katie Larkin, Edyta Malolepsza, Candace J Patterson, Diana M Toledo, Jenny L Donovan, Freddie Hamdy, Richard M Martin, David E Neal, Emma L Turner, Ole A Andreassen, Anders M Dale, Ian G Mills, Jyotsna Batra, Judith Clements, Olivier Cussenot, Cezary Cybulski, Rosalind A Eeles, Jay H Fowke, Eli Marie Grindedal, Robert J Hamilton, Jasmine Lim, Yong-Jie Lu, Robert J MacInnis, Christiane Maier, Lorelei A Mucci, Luc Multigner, Susan L Neuhausen, Sune F Nielsen, Marie-Élise Parent, Jong Y Park, Gyorgy Petrovics, Anna Plym, Azad Razack, Barry S Rosenstein, Johanna Schleutker, Karina Dalsgaard Sørensen, Ruth C Travis, Ana Vega, Catharine M L West, Fredrik Wiklund, Wei Zheng, Tyler M Seibert
最終更新: 2024-11-04 00:00:00
言語: English
ソースURL: https://www.medrxiv.org/content/10.1101/2024.11.03.24316516
ソースPDF: https://www.medrxiv.org/content/10.1101/2024.11.03.24316516.full.pdf
ライセンス: https://creativecommons.org/publicdomain/zero/1.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた medrxiv に感謝します。