Un innovativo approccio di biopsia liquida denominato frammentomica (fragmentomics), che prevede l’analisi dei pattern di frammentazione del DNA libero circolante (cfDNA) nel sangue, potrebbe migliorare la diagnosi differenziale del carcinoma ovarico. Lo sostiene uno studio presentato al meeting annuale dell’American Society of Clinical Oncology (ASCO), in corso a Chicago.

Nello studio, che ha arruolato 796 pazienti con carcinoma ovarico o lesioni ovariche benigne in fase preoperatoria, l’integrazione di un modello frammentomico del cfDNA alla determinazione dei biomarcatori CA125 e HE4 ha generato tassi di sensibilità compresi approssimativamente tra l’88% e il 91% e tassi di specificità tra l’88% e il 92% sia nel set di addestramento (training set) sia nella coorte di validazione. “Questo approccio potrebbe eventualmente tradursi in un utile test complementare per la valutazione delle masse ovariche prima dell’intervento chirurgico”, ha spiegato Haimeng Tang, bioinformatico senior presso Geneseeq Technology, Inc., l’azienda cinese che ha fornito il supporto computazionale e di sequenziamento per lo studio, e presenter dei dati a Chicago. Ha inoltre aggiunto che il test potrebbe coadiuvare la stratificazione del rischio, “specialmente quando la diagnostica per immagini o i marcatori sierici non forniscono una risposta univoca”.

La diagnosi tardiva del carcinoma ovarico rimane una sfida cruciale, poiché le attuali metodiche di imaging e i biomarcatori disponibili mostrano una capacità limitata nel rilevare accuratamente la neoplasia, in particolare negli stadi precoci. Una delle tecnologie emergenti in fase di valutazione per migliorare l’accuratezza diagnostica del carcinoma ovarico prevede proprio l’analisi dei pattern di frammentazione del cfDNA mediante analisi frammentomiche. Nel loro studio, i ricercatori hanno impiegato il sequenziamento dell’intero genoma a bassa copertura (low-pass whole-genome sequencing) per valutare le prestazioni di 4 classi di caratteristiche frammentomiche nella differenziazione tra carcinoma ovarico e tumori benigni: variazione del numero di copie (copy number variation, CNV), pattern di dimensione dei frammenti (fragment size pattern), pattern degli elementi ripetitivi (repeat element pattern), caratteristiche correlate all’impronta nucleosomiale (nucleosome footprint–related features). Lo studio ha coinvolto 796 pazienti con carcinoma ovarico o lesioni ovariche benigne, reclutate in fase preoperatoria presso due diversi centri. I ricercatori hanno osservato che un modello cfDNA combinato (stacked model), che incorporava tutte e quattro le classi di caratteristiche frammentomiche, si è dimostrato superiore rispetto alle singole classi in termini di sensibilità e specificità. L’analisi del solo cfDNA ha generato valori di AUC (area sotto la curva) per la sensibilità rispetto alla specificità compresi tra 0,930 e 0,937 tra le coorti di addestramento e di validazione. L’integrazione della frammentomica del cfDNA con i biomarcatori convenzionali CA125 e HE4 ha incrementato i valori di AUC a 0,961 – 0,964.

In questo modello combinato, i tassi di sensibilità e specificità sono stati: entrambi pari al 90,7% nel modello di addestramento; entrambi pari al 88,4% in un test interno; pari all’89,2% (sensibilità) e al 91,6% (specificità) in un test esterno. Tang ha sottolineato che il modello basato su cfDNA è stato in grado di rilevare casi di carcinoma ovarico anche in pazienti che presentavano livelli normali dei comuni marcatori sierici CA125 e HE4. “Il nostro modello sembra apportare un valore aggiunto significativo rispetto agli screening standard”, ha aggiunto. Il modello si è dimostrato efficace nel rilevare il carcinoma ovarico sieroso ad alto grado (HGSOC) e diversi sottotipi non-HGSOC, sebbene la valutazione della sua capacità di identificare i sottotipi rari sia stata limitata dall’esiguità del campione. Sono pertanto necessari ulteriori studi di validazione in coorti di pazienti più ampie. Ha concluso Tang: “Sarà fondamentale confrontare e potenzialmente integrare questo modello con i sistemi consolidati di stratificazione del rischio su base ecografica”.