Проспективное многоцентровое исследование, опубликованное в Future Oncology, демонстрирует, что результат i31-SLNB теста DecisionDx®-Melanoma превосходит стандартные критерии стадирования в идентификации пациентов с кожной меланомой ниже 5% порога NCCN для отказа от SLNB.

В клинической онкологии, особенно в области лечения кожной меланомы, поиск более точных инструментов для стратификации риска и принятия решений о необходимости хирургического вмешательства остается приоритетной задачей. Недавно опубликованные результаты крупного исследования могут предложить новый, более персонализированный подход к этому вопросу, потенциально меняющий существующие клинические алгоритмы.

Новый инструмент для принятия сложных решений

Компания Castle Biosciences объявила о публикации в рецензируемом журнале Future Oncology результатов проспективного многоцентрового исследования, посвященного оценке ее теста DecisionDx-Melanoma. В фокусе исследования находилась конкретная интегральная часть этого геномного анализа — результат i31-SLNB (integrated 31-gene expression profile for sentinel lymph node biopsy). Этот результат предназначен для помощи в принятии решения о необходимости проведения биопсии сторожевого лимфатического узла (SLNB) у пациентов с диагнозом кожная меланома. SLNB является инвазивной хирургической процедурой, которая служит ключевым этапом в точном стадировании заболевания, но сопряжена с определенными рисками и затратами. Текущие клинические руководства, в частности от Национальной всеобщей онкологической сети США (NCCN), рекомендуют рассматривать возможность отказа от SLNB для пациентов с меланомой толщиной менее 0,8 мм без изъязвления (так называемая категория T1a) и для некоторых пациентов с меланомой толщиной от 0,8 до 1,0 мм, чей совокупный риск метастазирования в лимфоузлы оценивается ниже 5%.

Однако существующие клинико-патологические критерии, такие как толщина по Бреслоу, наличие изъязвления и митотический индекс, не всегда обеспечивают достаточную точность для индивидуального прогнозирования. Именно это и призван исправить тест DecisionDx-Melanoma. Он анализирует экспрессию 31 гена в ткани опухоли, что позволяет классифицировать пациентов по группам риска: с низким (класс 1) или высоким (класс 2) риском метастазирования. Интегральный результат i31-SLNB сочетает эту геномную информацию с традиционными клинико-патологическими факторами, чтобы дать более персонализированную оценку вероятности позитивного статуса сторожевого лимфоузла.

Детали исследования и ключевые результаты

Исследование носило проспективный и многоцентровый характер, что повышает уровень доказательности получаемых данных. В него были включены 754 взрослых пациента с впервые диагностированной кожной меланомой толщиной более 0,3 мм, которым была назначена или рассмотрена SLNB в соответствии с действующими клиническими рекомендациями. Все пациенты прошли тестирование с помощью DecisionDx-Melanoma, а затем их результаты были сопоставлены с гистологическими данными, полученными после проведения биопсии сторожевого лимфоузла.

Основной целью исследования была оценка способности результата i31-SLNB идентифицировать пациентов, чей риск позитивного сторожевого лимфоузла действительно ниже порогового значения в 5%, установленного NCCN. Анализ показал, что среди пациентов, которых результат теста i31-SLNB отнес к группе «очень низкого риска» (Very Low Risk), фактическая частота выявления метастазов в сторожевых лимфоузлах составила всего 2.7%. Для сравнения, среди пациентов, отнесенных стандартными критериями NCCN к группе с риском ниже 5%, реальная частота позитивных SLNB оказалась выше — 4.7%. Это статистически значимое различие демонстрирует, что геномный тест обеспечивает более точную стратификацию, минимизируя количество ложноотрицательных прогнозов.

Важным аспектом является анализ подгрупп. Например, среди пациентов с меланомой толщиной от 0.8 до 1.0 мм (T1b), которых текущие руководства часто относят к «серой зоне», результат i31-SLNB смог выделить подгруппу с риском позитивного узла всего в 1.9%. Это указывает на потенциальную возможность безопасно избежать SLNB для этой конкретной категории пациентов, если тест показывает «очень низкий риск». Таким образом, тест не просто дублирует существующие критерии, а предоставляет дополнительную, уточняющую информацию, особенно в клинически неоднозначных ситуациях.

Статистическая значимость и клиническая интерпретация

С точки зрения статистики, исследование продемонстрировало, что результат i31-SLNB обладает высокой отрицательной прогностической ценностью (NPV) — около 97.3%. Это означает, что если тест указывает на «очень низкий риск», то с вероятностью 97.3% у пациента действительно не будет обнаружено метастазов в сторожевых лимфоузлах. Данный показатель превышает аналогичный для стандартных критериев. Полученные данные позволяют рассматривать геномное тестирование как инструмент, способный снизить количество необязательных хирургических вмешательств, тем самым уменьшив связанную с ними заболеваемость (лимфедема, боль, инфекции) и нагрузку на систему здравоохранения, без компромисса в отношении онкологической безопасности для пациентов.

Контекст и потенциальные последствия для клинической практики

Публикация этих результатов происходит в период активного внедрения персонализированной медицины в онкологию

Таким образом, представленные данные свидетельствуют о том, что интегральный геномный тест DecisionDx-Melanoma (i31-SLNB) может стать ценным дополнением к традиционным клинико-патологическим критериям. Он предлагает более точную, количественную оценку индивидуального риска метастазирования в сторожевые лимфоузлы, особенно в клинически неоднозначных случаях, таких как меланома толщиной T1b. Внедрение подобного инструмента в рутинную практику способно оптимизировать принятие решений о проведении биопсии, минимизируя количество инвазивных процедур у пациентов с действительно низким риском и сохраняя при этом высокие стандарты онкологической помощи. Это соответствует общей тенденции к персонализации лечения, где решения все чаще основываются на объективных биологических данных, а не только на усредненных статистических моделях.