gms | German Medical Science

MAINZ//2011: 56. GMDS-Jahrestagung und 6. DGEpi-Jahrestagung

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V.
Deutsche Gesellschaft für Epidemiologie e. V.

26. - 29.09.2011 in Mainz

Risikoberechnung für Brustkrebs differenziert nach Hormon-Rezeptor-Status unter Einbeziehung häufig auftretender disponierender genetischer Marker mit geringer Penetranz

Meeting Abstract

  • Anika Hüsing - DKFZ, Heidelberg
  • Lars Beckmann - DKFZ, Heidelberg
  • Federico Canzian - DKFZ, Heidelberg
  • Rudolf Kaaks - DKFZ, Heidelberg
  • BPC3-Projekt

Mainz//2011. 56. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds), 6. Jahrestagung der Deutschen Gesellschaft für Epidemiologie (DGEpi). Mainz, 26.-29.09.2011. Düsseldorf: German Medical Science GMS Publishing House; 2011. Doc11gmds212

doi: 10.3205/11gmds212, urn:nbn:de:0183-11gmds2124

Published: September 20, 2011

© 2011 Hüsing et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en). You are free: to Share – to copy, distribute and transmit the work, provided the original author and source are credited.


Outline

Text

Einleitung: Ergebnisse von genomweiten Assoziationsstudien (GWAS) geben stetig neue Hinweise auf genetische Risikofaktoren für Brustkrebs. Dies ist zusammen mit sinkenden Genotypisierungskosten der Grund für wachsendes Interesse an der Vorhersagekraft solch genetischer Marker in Bezug auf das Brustkrebsrisiko. Bisherige Untersuchungen unter Einbeziehung von bis zu zehn Markern [1], [2] haben eine geringe Verbesserung der Risikomodellierung gezeigt. Dabei wurde bislang nicht nach dem Erkrankungstyp bezüglich des Hormonrezeptorstatus unterschieden. Diese Klassifikation gewinnt immer größere Bedeutung und führt geradezu zu einer Unterscheidung von Krankheitsentitäten.

Material und Methoden: Innerhalb des „Breast and Prostate Cancer Cohort Consortiums“ (BPC3) [3] führten wir Risikoberechnungen auf der Grundlage einer eingebetteten Fall-Kontroll-Studie von 6827 invasiven Brustkrebsfällen und 9792 Kontrollen europäischer Herkunft durch. Dabei wurden zusätzlich zu klassischen epidemiologische Risikofaktoren die Genotypen von 17 genetischen Markern (single nucleotide polymorphisms = SNPs) einbezogen, für die jeweils ein Zusammenhang mit Brustkrebs aus früheren GWAS belegt war. Die Vorhersagemodelle wurden für Brustkrebsfälle mit positivem und negativem Östrogen- und/oder Progesteron-Rezeptor getrennt evaluiert.

Die Beurteilung der Vorhersagequalität erfolgte mit der Konkordanz-Statistik (c ), adjustiert für Alters- und Kohorteneffekte. Schätzer des absoluten Risikos, abgeleitet aus altersspezifischen Inzidenzraten von Krebsregistern, jeweils mit und ohne genetische Faktoren wurden mittels IDI (integrated discrimination improvement) verglichen.

Ergebnisse: Die Risikoabschätzung wurde durch die schrittweise Ergänzung von Markergruppen zu einem Vorhersagemodell aus klassischen Risikofaktoren signifikant und stetig, wenn auch gering verbessert (Änderung in c von 58.1% zu 61.5%). Die Vorhersagequalität unterscheidet sich deutlich zwischen den Erkrankungen mit unterschiedlichem Hormon-Rezeptor: bei positivem (Östrogen- und Progesteron-) Rezeptor betrug die Konkordanz c=62.7%, bei negativem aber nur c=55.1%.

Schlußfolgerungen: Die beobachtete Verbesserung der Vorhersagequalität für Brustkrebsrisiko gilt gerade für den Krankheitstyp, der am häufigsten auftritt und besonders gut auf präventive Therapiemaßnahmen anspricht. Obschon derzeit gering, macht die beobachtete Tendenz Hoffnung auf eine weitere Verbesserung der Risikoabschätzung durch zukünftige Forschungsergebnisse, die das Spektrum an genetischen Markern erweitern werden.


Literatur

1.
Gail MH. Value of adding single-nucleotide polymorphism genotypes to a breast cancer risk model. J Natl Cancer Inst. 2009;101(13):959-63.
2.
Wacholder S, Hartge P, Prentice R, Garcia-Closas M, Feigelson HS, Diver WR et al. Performance of common genetic variants in breast-cancer risk models. N Engl J Med. 2010;362(11):986-93.
3.
Hunter DJ, Riboli E, Haiman CA, Albanes D, Altshuler D, Chanock SJ, et al. A candidate gene approach to searching for low-penetrance breast and prostate cancer genes. Nat Rev Cancer. 2005;5(12):977-85.