Проблемы диагностики фолликулярного рака щитовидной железы

Обложка

Цитировать

Полный текст

Аннотация

Введение. фолликулярный рак щитовидной железы встречается значительно реже папиллярного. тем не менее основные трудности в дооперационной диагностике связаны именно с этим морфологическим типом. тонкоигольная аспирационная биопсия неспособна отличить доброкачественную фолликулярную аденому от фолликулярной карциномы, что вынуждает хирургов выполнять диагностическую резекцию щитовидной железы у всех пациентов с цитологическим заключением «фолликулярная опухоль».

Цель исследования – поиск специфических для фолликулярного рака микроРНК с помощью секвенирования нового поколения.

Материалы и методы. проанализированы данные пациентов с дооперационным цитологическим заключением

«фолликулярная опухоль», прооперированных в челябинском центре эндокринной хирургии с 2021 по 2022 г. гистологические препараты дважды пересматривались экспертами-патологами. секвенирование генома выполнено в 8 гистологических образцах фолликулярного рака и 8 образцах фолликулярной аденомы. уровни экспрессии отобранных микроРНК сравнивали со 198 архивными цитологическими образцами различных типов опухолей щитовидной железы.

Результаты. Риск злокачественности при цитологическом заключении «фолликулярная опухоль» составил 25,4 % (ошибка 74,6 %). фолликулярный рак был впервые установлен у 36 пациентов, заболеваемость составила 0,68 случая на 100 тыс. населения в год. Диагноз «фолликулярный рак» подтвержден 3 морфологами в 8 (36,4 %) случаях. секвенирование позволило выявить 5 наиболее различающихся между фолликулярным раком и фолликулярной аденомой микроРНК: miR-625, miR-323a, let-7a, let-7c и miR-574. уровень ошибок при дифференцировке фолликулярной аденомы и фолликулярного рака с помощью выбранных нами микроРНК составил 21 % (при кросс-валидации 35 %).

Заключение. молекулярно-генетическое исследование на дооперационном этапе, направленное на дифференцировку фолликулярного рака и фолликулярной аденомы, по сравнению с цитологическим исследованием имеет большую, но недостаточную для принятия окончательного клинического решения точность.

Об авторах

С. Е. Титов

ФГБУ «Институт молекулярной и клеточной биологии Сибирского отделения Российской академии наук»;
АО «Вектор-Бест»

Email: fake@neicon.ru
ORCID iD: 0000-0001-9401-5737

630090 Новосибирск, проспект Академика Лаврентьева, 8/2,

630117 Новосибирск-117, Научно-производственная зона, корп. 36

Россия

С. А. Лукьянов

ФГБОУ ВО «Южно-Уральский государственный медицинский университет» Минздрава России

Автор, ответственный за переписку.
Email: 111lll@mail.ru
ORCID iD: 0000-0001-5559-9872

Сергей Анатольевич Лукьянов 

454092 Челябинск, ул. Воровского, 64

 

Россия

С. В. Сергийко

ФГБОУ ВО «Южно-Уральский государственный медицинский университет» Минздрава России

Email: fake@neicon.ru
ORCID iD: 0000-0001-6694-9030

454092 Челябинск, ул. Воровского, 64

Россия

Ю. А. Веряскина

ФГБУ «Институт молекулярной и клеточной биологии Сибирского отделения Российской академии наук»;
ФГБУ «Федеральный исследовательский центр “Институт цитологии и генетики Сибирского отделения Российской академии наук”»

Email: fake@neicon.ru
ORCID iD: 0000-0002-3799-9407

630090 Новосибирск, проспект Академика Лаврентьева, 8/2,

454092 Челябинск, ул. Воровского, 64

Россия

Т. Е. Ильина

ФГБОУ ВО «Южно-Уральский государственный медицинский университет» Минздрава России

Email: fake@neicon.ru
ORCID iD: 0000-0003-4186-8108

454092 Челябинск, ул. Воровского, 64

Россия

Е. С. Козорезова

ООО «Национальный центр клинической морфологической диагностики»

Email: fake@neicon.ru
ORCID iD: 0000-0002-3659-7510

192283 Санкт-Петербург, ул. Олеко Дундича, 8, корп. 2, лит. А

Россия

С. Л. Воробьев

ООО «Национальный центр клинической морфологической диагностики»

Email: fake@neicon.ru
ORCID iD: 0000-0002-7817-9069

192283 Санкт-Петербург, ул. Олеко Дундича, 8, корп. 2, лит. А

Россия

Список литературы

  1. Bongiovanni M., Spitale A., Faquin W.C. et al. The Bethesda System for reporting thyroid cytopathology: a meta-analysis. Acta Cytol 2012;56(4):333–9. doi: 10.1159/000339959
  2. Cibas E.S., Ali S.Z. The 2017 Bethesda System for reporting thyroid cytopathology. Thyroid 2017;27(11):1341–6. doi: 10.1089/thy.2017.0500
  3. Schneider D.F., Cherney Stafford L.M., Brys N. et al. Gauging the extent of thyroidectomy for indeterminate thyroid nodules: an oncologic perspective. Endocr Pract 2017;23(4):442–50. doi: 10.4158/EP161540.OR
  4. Stewardson P., Eszlinger M., Paschke R. Diagnosis of endocrine disease: usefulness of genetic testing of fine-needle aspirations for diagnosis of thyroid cancer. Eur J Endocrinol 2022;187(3):R41–52. doi: 10.1530/EJE-21-1293
  5. Patel K.N., Yip L., Lubitz C.C. et al. The American Association of Endocrine Surgeons Guidelines for the definitive surgical management of thyroid disease in adults. Ann Surg 2020;271(3):e21–93. doi: 10.1097/SLA.0000000000003580
  6. Silaghi C.A., Lozovanu V., Georgescu C.E. et al. Thyroseq v3, Afirma GSC, and microRNA panels versus previous molecular tests in the preoperative diagnosis of indeterminate thyroid nodules: a systematic review and meta-analysis. Front Endocrinol (Lausanne) 2021;12:649522. doi: 10.3389/fendo.2021.649522
  7. Wang M.M., Beckett K., Douek M. et al. Diagnostic value of molecular testing in sonographically suspicious thyroid nodules. J Endocr Soc 2020;4(9):bvaa081. doi: 10.1210/jendso/bvaa081
  8. Azizi G., Keller J.M., Mayo M.L. et al. Shear wave elastography and Afirma™ gene expression classifier in thyroid nodules with indeterminate cytology: a comparison study. Endocrine 2018;59(3):573–84. doi: 10.1007/s12020-017-1509-9
  9. Patel K.N., Angell T.E., Babiarz J. et al. Performance of a genomic sequencing classifier for the preoperative diagnosis of cytologically indeterminate thyroid nodules. JAMA Surg 2018;153(9):817–24. doi: 10.1001/jamasurg.2018.1153
  10. Титов С.Е., Лукьянов С.А., Козорезова Е.С. и др. Валидация дооперационной диагностики злокачественных опухолей щитовидной железы с помощью молекулярного классификатора. Вопросы онкологии 2022;68(6):741–51. doi: 10.37469/0507-3758-2022-68-6-741-751
  11. Xing M., Liu R., Liu X. et al. BRAF V600E and TERT promoter mutations cooperatively identify the most aggressive papillary thyroid cancer with highest recurrence. J Clin Oncol 2014;32(25):2718–26. doi: 10.1200/JCO.2014.55.5094
  12. Xing M. Clinical utility of RAS mutations in thyroid cancer: a blurred picture now emerging clearer. BMC Med 2016;14:12. doi: 10.1186/s12916-016-0559-9
  13. Song Y.S., Park Y.J. Genomic characterization of differentiated thyroid carcinoma. Endocrinol Metab (Seoul) 2019;34(1):1–10. doi: 10.3803/EnM.2019.34.1.1
  14. De Martino M., Esposito F., Capone M. et al. Noncoding RNAs in thyroid-follicular-cell-derived carcinomas. Cancers (Basel) 2022;14(13):3079. doi: 10.3390/cancers14133079
  15. Macfarlane L.A., Murphy P.R. MicroRNA: biogenesis, function and role in cancer. Curr Genomics 2010;11(7):537–61. doi: 10.2174/138920210793175895
  16. Santiago K., Chen Wongworawat Y., Khan S. Differential microRNA-signatures in thyroid cancer subtypes. J Oncol 2020;2020:2052396. doi: 10.1155/2020/2052396
  17. Wojtas B., Ferraz C., Stokowy T. et al. Differential miRNA expression defines migration and reduced apoptosis in follicular thyroid carcinomas. Mol Cell Endocrinol 2014;388(1–2):1–9. doi: 10.1016/j.mce.2014.02.011
  18. Stokowy T., Wojtaś B., Fujarewicz K. et al. miRNAs with the potential to distinguish follicular thyroid carcinomas from benign follicular thyroid tumors: results of a meta-analysis. Horm Metab Res 2014;46(3):171–80. doi: 10.1055/s-0033-1363264
  19. Weber F., Teresi R.E., Broelsch C.E. et al. A limited set of human microRNA is deregulated in follicular thyroid carcinoma. J Clin Endocrinol Metab 2006;91(9):3584–91. doi: 10.1210/jc.2006-0693
  20. Dom G., Frank S., Floor S. et al. Thyroid follicular adenomas and carcinomas: molecular profiling provides evidence for a continuous evolution. Oncotarget 2017;9(12):10343–59. doi: 10.18632/oncotarget.23130
  21. Titov S., Demenkov P.S., Lukyanov S.A. et al. Preoperative detection of malignancy in fine-needle aspiration cytology (FNAC) smears with indeterminate cytology (Bethesda III, IV) by a combined molecular classifier. J Clin Pathol 2020;73(11):722–7. doi: 10.1136/jclinpath-2020-206445
  22. Titov S.E., Kozorezova E.S., Demenkov P.S. et al. Preoperative typing of thyroid and parathyroid tumors with a combined molecular classifier. Cancers 2021;13(2):237. doi: 10.3390/cancers13020237
  23. Andrews S. FastQC: a quality control tool for high throughput sequence data. Available at: http://www.bioinformatics.babraham.ac.uk/projects/fastqc/
  24. Titov S.E., Ivanov M.K., Karpinskaya E.V. et al. miRNA profiling, detection of BRAF V600E mutation and RET-PTC1 translocation in patients from Novosibirsk oblast (Russia) with different types of thyroid tumors. BMC Cancer 2016;16:201. doi: 10.1186/s12885-016-2240-2
  25. Chen C., Ridzon D.A., Broomer A.J. et al. Real-time quantification of microRNAs by stem-loop RT-PCR. Nucleic Acids Res 2005;33(20):e179. doi: 10.1093/nar/gni178
  26. Livak K.J., Schmittgen T.D. Analysis of relative gene expression data using real-time quantitative PCR and the 2-ΔΔCt method. Methods 2001;25(4):402–8. doi: 10.1006/meth.2001.1262
  27. Mercaldo N.D., Lau K.F., Zhou X.H. Confidence intervals for predictive values with an emphasis to case-control studies. Stat Med 2007;26(20):2170–83. doi: 10.1002/sim.2677
  28. Pérez-Ortiz M., Torres-Jiménez M., Gutiérrez P.A. et al. Fisher score-based feature selection for ordinal classification: a social survey on subjective well-being. In: Hybrid Artificial Intelligent Systems. Ed. by F. Martínez-Álvarez, A. Troncoso, H. Quintián, E. Corchado. HAIS 2016. Lecture Notes in Computer Science. Vol. 9648. Springer, Cham. doi: 10.1007/978-3-319-32034-2_50
  29. Kononenko I., Šimec E., Robnik-Sikonja M. Overcoming the myopia of inductive learning algorithms with RELIEFF. Applied Intelligence 1997;7(1):39–55. doi: 10.1023/A:1008280620621
  30. Li J., Cheng K., Wang S. et al. Feature selection. ACM Computing Surveys 2017;50(6):1–45. doi: 10.1145/3136625
  31. Bylesjö M., Rantalainen M., Cloarec O. et al. OPLS discriminant analysis: combining the strengths of PLS-DA and SIMCA classification. J Chemometrics 2006;20(8–10):341–51. doi: 10.1002/cem.1006
  32. Thevenot E., Roux A., Xu Y. et al. Analysis of the human adult urinary metabolome variations with age, body mass index, and gender by implementing a comprehensive workflow for univariate and OPLS statistical analyses. J Proteome Res 2015;14(8):3322–35. doi: 10.1021/acs.jproteome.5b00354
  33. Tenenhaus M. La raegression PLS. Paris, Editions Technip, 1998.
  34. Ricco R. TANAGRA: a free software for research and academic purposes. Proceedings of EGC’2005, RNTI-E-3. (In French). Available at: https://www.researchgate.net/publication/220786300_TANAGRA_un_logiciel_gratuit_pour_l'enseignement_et_la_recherche.
  35. Quinlan J.R. C4.5: programs for machine learning. San Francisco: Morgan Kaufmann Publishers Inc; 1993.
  36. Зиновьев А.Ю. Визуализация многомерных данных. Красноярск: Издательство КГТУ, 2000.
  37. McHenry C.R., Phitayakorn R. Follicular adenoma and carcinoma of the thyroid gland. Oncologist 2011;16(5):585–93. doi: 10.1634/theoncologist.2010-0405
  38. Valderrabano P., Leon M.E., Centeno B.A. et al. Institutional prevalence of malignancy of indeterminate thyroid cytology is necessary but insufficient to accurately interpret molecular marker tests. Eur J Endocrinol 2016;174(5):621–9. doi: 10.1530/EJE-15-1163
  39. Rosai J., Kuhn E., Carcangiu M.L. Pitfalls in thyroid tumour pathology. Histopathology 2006;49:107–20. doi: 10.1111/j.1365-2559.2006.02451.x
  40. Franc B., de la Salmonière P., Lange F. et al. Interobserver and intraobserver reproducibility in the histopathology of follicular thyroid carcinoma. Hum Pathol 2003;34(11):1092–100. doi: 10.1016/s0046-8177(03)00403-9
  41. Cipriani N.A., Nagar S., Kaplan S.P. et al. Follicular thyroid carcinoma: how have histologic diagnoses changed in the last halfcentury and what are the prognostic implications? Thyroid 2015;25(11):1209–16. doi: 10.1089/thy.2015.0297

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Титов С.Е., Лукьянов С.А., Сергийко С.В., Веряскина Ю.А., Ильина Т.Е., Козорезова Е.С., Воробьев С.Л., 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.
СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: серия ПИ № ФС 77 - 36990 от  21.07.2009.