Pubblicato il: 15 febbraio 2023,
Novità
Il tumore del polmone rappresenta la principale causa di morte al mondo per cancro, prima negli uomini e seconda, dopo la mammella, nelle donne. Sebbene l’incidenza sia minore di altri tumori come il carcinoma della mammella e del colon-retto (40.882 vs 54.976 e 43.702 rispettivamente), la mortalità ha una tendenza inversa registrando 33.000 decessi all’anno contro 12.995 per il seno e 19.407 per il colon. La drammaticità di questi dati è correlata principalmente alla mancanza di un test di screening come la mammografia per il carcinoma mammario ed il sangue occulto nelle feci per il tumore del colon.
Ad oggi lo screening annuale approvato per il tumore del polmone, raccomandato alla popolazione ad alto rischio, è la tomografia computerizzata a basso dosaggio (LDTC). Tuttavia i costi e l’alto tasso di falsi positivi la rendono poco adatta al suo utilizzo come test di screening di massa. Pertanto, è urgente la necessità di un test poco costoso e mininvasivo che possa aiutare i clinici a rilevare il tumore quando è ancora ad uno stadio precoce.
Presso la Divisione di Chirurgia Toracica, diretta dal Prof. Lorenzo Spaggiari, è attivo un Trial Clinico prospettico, realizzato e diretto dal Dott. Roberto Gasparri che prevede l’analisi di esalato, urine e siero finalizzato alla ricerca di biomarcatori predittivi del tumore del polmone (biologa referente Dott.ssa Angela Sabalic – [email protected]).
Dopo l’identificazione della “fingerprint” volatile evidenziata nell’esalato respiratorio e la scoperta di 5 composti volatili urinari caratteristici dello stadio precoce del tumore del polmone, un altro tassello si aggiunge con l’identificazione di una lista di biomarcatori proteici che distinguono i pazienti con tumore al polmone dai soggetti sani ad alto rischio.
Questo recente studio di proteomica, eseguito dalla Dott.ssa Roberta Noberini e Dott. Alessandro Cuomo ricercatori DEO supervisionati dalla Prof.ssa Tiziana Bonaldi, ha combinato approcci di proteomica e machine learning per caratterizzare le microvescicole sieriche.
Le loro analisi hanno evidenziato due proteine, ARSA e PRKCA, che influenzano maggiormente il potere predittivo dell'approccio di machine learning a differenziare il soggetto sano dal paziente affetto dal tumore del polmone allo stadio precoce, suggerendo che queste proteine potrebbero essere dei potenziali marcatori tumorali specifici.
Considerato il polimorfismo ed eterogeneità del cancro del polmone, questo risultato ottenuto dal siero ematico si aggrega con quelli ottenuti nell’esalato e nelle urine, “gettando le basi” per la creazione di un potenziale algoritmo diagnostico mininvasivo che in un vicino futuro potrà essere applicato sia in ambito clinico per differenziare un nodulo polmonare evidenziato alla TC-torace sia per lo screening di massa.
Quest’anno proseguiremo le indagini e recluteremo ulteriori soggetti sani-per eventuale partecipazione scrivere a: [email protected]