Saúde Personalizada: Uma Nova Maneira de Screenear Câncer de Próstata
Analisando a mudança para triagem de câncer de próstata personalizada com base em fatores genéticos e familiares.
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
― 7 min ler
Índice
- O Papel da Genética
- Aprendendo com Biobancos Genômicos
- O Caso da Triagem do Câncer de Próstata
- Desenvolvendo um Modelo de Risco para Câncer de Próstata
- Visão Geral do Estudo e Metodologia
- Análise de Dados e Resultados
- Criando um Teste Laboratorial Clínico
- Testando e Validando o Teste Laboratorial
- Aplicação Clínica e Relatório
- Implementação de Ensaio Clínico
- Implicações para a Triagem do Câncer de Próstata
- Conclusão: Uma Nova Era nos Cuidados com o Câncer de Próstata
- Direções Futuras
- A Importância da Aprendizagem Contínua
- Considerações Finais
- Fonte original
A saúde tá mudando rápido. Em vez de tratar todo mundo do mesmo jeito, os médicos tão começando a considerar as necessidades individuais, riscos e até a sua história familiar. Pense nisso como fazer um terno sob medida. Assim como um alfaiate tira suas medidas pra ficar perfeito, os médicos tão criando planos de saúde personalizados com base no risco. Essa abordagem personalizada é super importante pra prevenir doenças e pegá-las cedo.
O Papel da Genética
Um dos grandes responsáveis por essa mudança é a genética. Nossos genes podem dizer muito sobre as chances de desenvolver certas doenças. Analisando dados genéticos, os médicos podem fazer previsões melhores sobre quem pode ficar doente e quando. Mas, mesmo com todo esse potencial, ainda precisamos de mais estudos pra provar que usar essas informações genéticas realmente traz melhores resultados de saúde pros pacientes.
Aprendendo com Biobancos Genômicos
Os sistemas de saúde que têm acesso a grandes quantidades de informações genéticas, conhecidos como biobancos genômicos, têm muito a oferecer. Esses sistemas conseguem coletar dados e descobrir se testes genéticos ajudam a prever doenças. Isso poderia melhorar como gerenciamos triagens e cuidados preventivos. O objetivo final é simples: saúde melhor pra todo mundo e compartilhar o que aprendemos com outros sistemas de saúde.
O Caso da Triagem do Câncer de Próstata
Uma área onde a saúde personalizada pode fazer uma diferença real é na triagem do câncer de próstata. O câncer de próstata é bem comum e pode ter relação com a família. Pesquisadores descobriram conexões entre fatores genéticos e essa doença, o que significa que é possível identificar quem tá em maior risco. Mas ainda tem debate sobre como fazer triagens de maneira eficaz em diferentes grupos de pessoas.
Triagem excessiva pode levar a tratamentos desnecessários e ansiedade pra alguns homens, enquanto a triagem insuficiente pode deixar passar casos que precisam de atenção. Não existe uma solução única, e é aí que a saúde personalizada brilha.
Desenvolvendo um Modelo de Risco para Câncer de Próstata
Pra resolver isso, os pesquisadores criaram um novo modelo de risco pra triagem do câncer de próstata chamado Prostate CAncer integrated Risk Evaluation (modelo P-CARE). Esse modelo leva em conta pontuações genéticas e histórico familiar pra prever melhor quem pode se beneficiar da triagem. Usaram uma grande base de dados de registros de saúde e dados genéticos pra criar e testar esse modelo.
Visão Geral do Estudo e Metodologia
Os pesquisadores começaram com um grande conjunto de dados de um programa de saúde de veteranos. Eles atualizaram modelos anteriores usando novas pontuações poligênicas, que analisam múltiplos genes que contribuem pro risco de câncer de próstata. O modelo P-CARE foi testado contra outros conjuntos de dados pra garantir que funcionasse em diferentes grupos de homens.
Fizeram várias análises, observando quão bem o modelo previa diferentes resultados com base em características genéticas e histórico familiar. Parecia promissor, mostrando padrões claros de risco que poderiam guiar as decisões de triagem.
Análise de Dados e Resultados
A análise de dados envolveu olhar pra um número massivo de participantes e diferentes fatores que poderiam influenciar o risco de câncer de próstata. O modelo se mostrou confiável, identificando indivíduos de alto risco de forma eficaz. Por exemplo, os pesquisadores descobriram que homens com histórico familiar de câncer de próstata eram mais propensos a precisar de triagem mais cedo.
Os pesquisadores também consideraram fatores genéticos que poderiam afetar como os homens respondem a tratamentos de câncer de próstata. Ter essas informações permite que os médicos tomem decisões informadas e evitem testes ou tratamentos desnecessários pra quem não tá em alto risco.
Criando um Teste Laboratorial Clínico
Depois, a equipe precisava de um jeito de colocar esse modelo em prática. Eles desenvolveram um teste de genoma-exoma misturado que combina dois tipos de sequenciamento genético. Esse teste fornece informações detalhadas sobre variações genéticas comuns e raras ligadas ao câncer de próstata.
Testando e Validando o Teste Laboratorial
Com o teste pronto, os pesquisadores precisavam validá-lo. Eles compararam os resultados genéticos desse novo teste com os do sequenciamento genômico padrão pra garantir a precisão. A maioria dos genes passou nos testes, confirmando que o novo método funcionou bem pra identificar riscos.
Aplicação Clínica e Relatório
Depois de passar por todas as etapas de validação, a equipe criou um sistema de relatórios pra médicos e pacientes. Esse relatório resume os riscos do paciente com base no modelo P-CARE e destaca qualquer descoberta genética significativa. Os médicos podem usar essas informações pra personalizar recomendações de triagem de forma eficaz.
Implementação de Ensaio Clínico
A verdadeira empolgação vem com o lançamento de um ensaio clínico chamado ProGRESS. Esse estudo vai testar a eficácia do modelo P-CARE em um grupo maior de homens. Comparando os cuidados padrão com a nova abordagem de triagem de precisão, os pesquisadores esperam provar que a saúde personalizada pode levar a melhores resultados.
Implicações para a Triagem do Câncer de Próstata
Esse esforço pra personalizar a saúde pode ajudar a abordar desigualdades nos resultados do câncer de próstata, especialmente entre grupos que estão em maior risco. Usando genética em vez de raça como um fator, o modelo busca evitar as armadilhas de modelos anteriores que faziam suposições amplas baseadas apenas na raça.
Conclusão: Uma Nova Era nos Cuidados com o Câncer de Próstata
Em resumo, essa abordagem personalizada pra saúde, especialmente pra algo tão sério como câncer de próstata, é como usar um GPS em vez de um mapa rodoviário. É tudo sobre saber o melhor caminho pra cada pessoa com base na genética e histórico familiar únicos. No final, isso pode levar a uma triagem mais eficiente, melhores resultados pros pacientes e saúde pública global melhorada.
Direções Futuras
À medida que esse modelo amadurece, os pesquisadores também vão querer incluir outros fatores de risco, como estilo de vida e influências ambientais. O objetivo é criar uma ferramenta ainda mais abrangente que ajude todo mundo a ter acesso ao melhor cuidado possível.
A Importância da Aprendizagem Contínua
A coleta e análise contínua de dados de saúde será essencial pra aprimorar esses modelos. À medida que aprendemos mais, o sistema de saúde pode se adaptar e melhorar, garantindo que todos recebam os cuidados preventivos que precisam-sem o estresse desnecessário da triagem excessiva.
Considerações Finais
A mudança em direção à saúde personalizada pode parecer complexa, mas, no fundo, é sobre garantir que todo mundo receba o cuidado certo na hora certa. À medida que os sistemas de saúde continuam a evoluir, podemos esperar um futuro onde os cuidados médicos pareçam um pouco menos como palpite e um pouco mais como um terno bem ajustado.
Isso pode, no final, mudar o cenário da saúde preventiva, transformando riscos potenciais em riscos gerenciáveis e salvando vidas no processo.
Título: From a genomic risk model to clinical trial implementation in a learning health system: the ProGRESS Study
Resumo: 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
Autores: 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
Última atualização: 2024-11-04 00:00:00
Idioma: English
Fonte URL: https://www.medrxiv.org/content/10.1101/2024.11.03.24316516
Fonte PDF: https://www.medrxiv.org/content/10.1101/2024.11.03.24316516.full.pdf
Licença: https://creativecommons.org/publicdomain/zero/1.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao medrxiv pela utilização da sua interoperabilidade de acesso aberto.