Als donateur kunt u ook korting krijgen bij verschillende bedrijven, waaronder bij MEDpro voor o.a. prostasol een veel gebruikt natuurlijk middel bij prostaatkanker als alternatief voor hormoontherapie
19 april 2024: zie ook dit artikel: https://kanker-actueel.nl/urinetest-met-18-genen-ontdekt-beter-of-prostaatkanker-hooggradig-is-of-zal-worden-dan-de-2-genentest-via-psa-blijkt-uit-nieuwe-studie.html2 maart 2024: Bron: Pan Prostate Cancer Groep. Met dank aan Clemens Löwik van Erasmus MC die mij deze studie toestuurde.
Uit een studie op basis van gegevens van de Pan Prostate Cancer Group blijkt dat prostaatkanker op verschillende manieren muteert. Maar wanneer de zich voordoende mutaties nader worden geanalyseerd en in groepen worden ingedeeld komen er ruwweg twee mutatieroutes uit. Een mutatieroute die als agressief wordt beoordeeld en meestal voor uitzaaiingen zorgt en een mutatieroute die minder agressief is en ervoor zorgt dat mannen met niet uitgezaaide prostaatkanker zich kunnen beperken tot een wait-and-see beleid.
De onderzoekers gebruikten AI = kunstmatige intelligentie benaderingen om mutatietrajecten in volledige genoomsequenties te analyseren van 159 mannen die na een volledige prostatectomie geen behandeling hadden gehad en allemaal waren gediagnosteerd met type adenocarcinoomtumoren die een gemiddeld of laag risico hadden. De deelnemende patiënten kwamen uit negen verschillende landen.
Uit een toelichting vertaald:
"We onderzochten de genomische evolutie van prostaatkanker door de toepassing van drie afzonderlijke classificatiemethoden, elk ontworpen om een ander aspect van de tumorevolutie te onderzoeken", schreven de auteurs, waarbij ze opmerkten dat hun resultaten aangaven dat "alternatief-evotype tumoren afwijken van die van de canonieke evotype door de stochastische accumulatie van genetische veranderingen geassocieerd met verstoringen van de androgeenreceptor-DNA-binding."
Voortbouwend op eerdere studies die specifieke genetische veranderingen hebben blootgelegd die de neiging hebben om al vroeg in het ontwikkelingsproces van prostaatkanker te ontstaan, karakteriseerde het team evolutionaire subtypes die bij prostaatkanker opduiken als gevolg van genmutaties die optreden als gevolg van de aanwezigheid van eerdere mutatiegebeurtenissen. aldus senior auteur David Wedge, een onderzoeker verbonden aan de Universiteit van Oxford, Universiteit van Manchester, Oxford NIHR Biomedical Research Centre en Manchester NIHR Biomedical Research Centre
"Binnen deze studie hebben we veel van de eerdere observaties verenigd om verschillende evolutionaire subtypes te definiëren, die elk bestaan uit een reeks genmutaties, die de neiging hebben om in een bepaalde volgorde voor te komen," zei hij.
Gebaseerd op evolutionaire bomen samengesteld uit de beschikbare gegevens over de sequentie van prostaatkanker, definieerde het team evotypes die werden gekenmerkt door uiteenlopende mutatie-accumulatiepatronen en verschillende niveaus van agressiviteit.
"We hebben de scheiding van de twee subtypen gekoppeld aan specifiek gedrag van de kankercellen in de twee subtypen ," zei Wedge. "Dit betekent dat we kunnen voorspellen welke tumoren zullen evolueren naar het agressievere subtype en mogelijk een passende behandeling kunnen bieden die is afgestemd op de toekomstige agressiviteit van de tumor van een patiënt."
In het volledige studierapport wordt het studieproces tot in detail toelicht met veel grafieken enz. Maar is denk ik alleen voor een arts en wetenschapper ook goed te begrijpen.
Voor een leek blijft deze conclusie het belangrijkste uit deze studie: "Tot nu toe dachten we dat prostaatkanker slechts één type ziekte was. Maar pas nu, met de vooruitgang op het gebied van kunstmatige intelligentie, hebben we kunnen laten zien dat er eigenlijk twee verschillende subtypen in het spel zijn," aldus co-senior author Colin Cooper.
Genomic evolution shapes prostate cancer disease type
Graphical abstract
Acknowledgments
The authors would like to thank those men with prostate cancer and the subjects who have donated their time and samples for this study. We acknowledge support from Cancer Research UK C5047/A29626, C5047/A22530, C309/A11566, C368/A6743, A368/A7990, and C14303/A17197; the Dallaglio Foundation; Prostate Cancer UK; and Prostate Cancer Research. We also acknowledge NIHR support to The Biomedical Research Centre at the Institute of Cancer Research and the Royal Marsden NHS Foundation Trust; Cancer Research UK funding to The Institute of Cancer Research and the Royal Marsden NHS Foundation Trust CRUK Centre; and the National Cancer Research Institute (National Institute of Health Research Collaborative Study: “Prostate Cancer: Mechanisms of Progression and Treatment (PROMPT)”) (grant G0500966/75466). We thank the National Institute for Health Research; Hutchison Whampoa Limited; University of Cambridge; the Human Research Tissue Bank (Addenbrooke’s Hospital), which is supported by the NIHR Cambridge Biomedical Research Centre; and The Core Facilities at the Cancer Research UK Cambridge Institute. The Cambridge Human Research Tissue Bank and A.Y.W. are supported by the NIHR Cambridge Biomedical Research Centre. C.E.M. was supported by a CRUK Major Centre Award through the CRUK Cambridge Centre Early Detection Programme and Urological Malignancies Programme. A.J.G. was funded by an SNF postdoctoral mobility fellowship (P2BSP3_178591). J.H.R.F. was supported by a Cancer Research UK Programme Grant to Simon Tavaré (C14303/A17197), as, partially, was A.G.L. A.G.L. acknowledges the support of the University of St Andrews. A.G.L. and J.H.R.F. also acknowledge the support of the Cambridge Cancer Research Fund. This work was supported by The Francis Crick Institute, which receives its core funding from Cancer Research UK (CC2008), the UK Medical Research Council (CC2008), and the Wellcome Trust (CC2008) (M.T. and P.V.L.). For the purpose of open access, the authors have applied a CC BY public copyright license to any author-accepted manuscript version arising from this submission. M.T. was a postdoctoral fellow supported by the European Union’s Horizon 2020 research and innovation program (Marie Skłodowska-Curie grant agreement no. 747852-SIOMICS). P.V.L. is a CPRIT Scholar in Cancer Research, acknowledges CPRIT grant support (RR210006), and was a Winton Group Leader in recognition of the Winton Charitable Foundation’s support toward the establishment of The Francis Crick Institute. G.S.B. was supported by the Academy of Finland, the Cancer Society of Finland, and the Sigrid Jusélius Foundation. The Melbourne Prostate Cancer Research Group was supported by NHMRC project grants 1024081 (N.M.C. and C.M.H.) and 1047581 (C.M.H. and N.M.C.), as well as a federal grant from the Australian Department of Health and Aging to the Epworth Cancer Centre, Epworth Hospital (A.J.C., N.M.C., and C.M.H.). B.J.P. was supported by a Victorian Health and Medical Research Fellowship. The Canadian Prostate Cancer Genome Network was supported by Prostate Cancer Canada with funds from Movember and by the Ontario Institute for Cancer Research. P.C.B. was supported by the NIH/NCI under award number P30CA016042. V.B. was funded by a fellowship from the Canadian Institutes for Health Research and was supported by a Michael Smith Foreign Study Supplement from the Canadian Institutes for Health Research. We also acknowledge support from the Bob Champion Cancer Research Trust, the Masonic Charitable Foundation, the King Family, and the Stephen Hargrave Foundation. Computation used the Oxford Biomedical Research Computing (BMRC) facility, a joint development between the Wellcome Centre for Human Genetics and the Big Data Institute supported by Health Data Research UK and the NIHR Oxford Biomedical Research Centre. The views expressed are those of the authors and not necessarily those of the NHS, the NIHR, or the Department of Health.
Author contributions
D.J.W., C.S.C., and D.C.W. developed the concepts in the study. D.C.W. initiated and supervised the study. Analysis was performed by D.J.W. and A.S. The manuscript was written by D.J.W., C.S.C., and D.C.W. with contributions and revisions from all authors. The STAR Methods was written by D.J.W., A.S., A.Z., and D.S.B. with contributions from all authors. UK sample collection and clinical data generation were overseen by V.G., A.Y.W., F.C.H., G.S.B., C.S.F., D.E.N., Y.-J.L., D.S.B., and R.A.E. UK whole-genome sequencing data processing was performed by G.G., Y.X., A.B., and D.S.B. Data from Australia were generated and provided by B.J.P., C.-H.J., A.J.C., N.M.C., and C.M.H. Data from Canada were provided by V.B., M.F., R.G.B., and P.C.B. Bioinformatics measurements were created by D.J.W., A.S., R.T., C.E.M., A.J.G., V.B., E.A., M.T., S.C.D., and J.H.R.F., with oversight from P.V.L., Z.K.-J., P.C.B., A.G.L., and D.C.W. Data generation, standardization, and storage were overseen by D.S.B. R.A.E. and C.S.C. co-directed the project. The full CRUK ICGC Prostate Group created and maintains overall project direction; the principal investigators are G.S.B., C.E.M., A.G.L., D.S.B., R.A.E., C.S.C., and D.C.W.
Declaration of interests
An international patent related to this work has been published under international publication no. WO 2023/047140 A1. R.A.E. has the following conflicts of interest to declare: she has received honoraria from GU-ASCO, Janssen, The University of Chicago, and Dana-Farber Cancer Institute USA as a speaker and educational honorarium from Bayer and Ipsen and is a member of the external expert committee to Astra Zeneca UK. She undertakes private practice as a sole trader at The Royal Marsden NHS Foundation Trust and 90 Sloane Street SW1X 9PQ and 280 Kings Road SW3 4NX, London, UK.
Supplemental information
References
- 1
The clonal evolution of tumor cell populationsScience, 194 (1976), pp. 23-28
- 2
A genetic model for colorectal tumorigenesisCell, 61 (1990), pp. 759-767, 10.1016/0092-8674(90)90186-i
- 3
The evolutionary history of 2,658 cancersNature, 578 (2020), pp. 122-128, 10.1038/s41586-019-1907-7View PDF This article is free to access.
- 4
DNMT3A mutations occur early or late in patients with myeloproliferative neoplasms and mutation order influences phenotypeHaematologica, 100 (2015), pp. e438-e442, 10.3324/haematol.2015.129510
- 5
Effect of mutation order on myeloproliferative neoplasmsN. Engl. J. Med., 372 (2015), pp. 601-612, 10.1056/NEJMoa1412098
- 6
Genomic classification and prognosis in acute myeloid leukemiaN. Engl. J. Med., 374 (2016), pp. 2209-2221, 10.1056/NEJMoa1516192
- 7
Clinical and biological implications of driver mutations in myelodysplastic syndromesBlood, 122 (2013), pp. 3616-3699, 10.1182/blood-2013-08-518886View PDF This article is free to access.
- 8
Recurrent fusion of TMPRSS2 and ETS transcription factor genes in prostate cancerScience, 310 (2005), pp. 644-648, 10.1126/science.1117679
- 9
Molecular subtyping of prostate cancerCurr. Opin. Urol., 26 (2016), pp. 213-218, 10.1097/MOU.0000000000000285
- 10
Desnt: A poor prognosis category of human prostate cancerEur. Urol. Focus, 4 (2018), pp. 842-850, 10.1016/j.euf.2017.01.016
- 11
Sequencing of prostate cancers identifies new cancer genes, routes of progression and drug targetsNat. Genet., 50 (2018), pp. 682-692, 10.1038/s41588-018-0086-z
- 12
The molecular taxonomy of primary prostate cancerCell, 163 (2015), pp. 1011-1025, 10.1016/j.cell.2015.10.025View PDF This article is free to access.
- 13
Genomic hallmarks of localized, non-indolent prostate cancerNature, 541 (2017), pp. 359-364, 10.1038/nature20788
- 14
The complexity of prostate cancer: genomic alterations and heterogeneityNat. Rev. Urol., 9 (2012), pp. 652-664, 10.1038/nrurol.2012.185
- 15
Molecular evolution of early-onset prostate cancer identifies molecular risk markers and clinical trajectoriesCancer Cell, 34 (2018), pp. 996-1011.e8, 10.1016/j.ccell.2018.10.016
- 16
The evolutionary landscape of localized prostate cancers drives clinical aggressionCell, 173 (2018), pp. 1003-1013.e15, 10.1016/j.cell.2018.03.029
- 17
Androgen-induced TOP2B-mediated double-strand breaks and prostate cancer gene rearrangementsNat. Genet., 42 (2010), pp. 668-675, 10.1038/ng.613
- 18
Integrative genomic analyses reveal an androgen-driven somatic alteration landscape in early-onset prostate cancerCancer Cell, 23 (2013), pp. 159-170, 10.1016/j.ccr.2013.01.002
- 19
CHD1 loss alters AR binding at lineage-specific enhancers and modulates distinct transcriptional programs to drive prostate tumorigenesisCancer Cell, 35 (2019), pp. 817-819, 10.1016/j.ccell.2019.04.012
- 20
Bayesian Plackett-Luce mixture models for partially ranked dataPsychometrika, 82 (2017), pp. 442-458, 10.1007/s11336-016-9530-0
- 21
Assembly of methylated KDM1A and CHD1 drives androgen receptor-dependent transcription and translocationNat. Struct. Mol. Biol., 23 (2016), pp. 132-139, 10.1038/nsmb.3153
- 22
Concurrent deletion of 16q23 and PTEN is an independent prognostic feature in prostate cancerInt. J. Cancer, 137 (2015), pp. 2354-2363, 10.1002/ijc.29613View PDF This article is free to access.
- 23
Clinical significance of different types of p53 gene alteration in surgically treated prostate cancerInt. J. Cancer, 135 (2014), pp. 1369-1380, 10.1002/ijc.28784View PDF This article is free to access.
- 24
CHD1 loss sensitizes prostate cancer to DNA damaging therapy by promoting error-prone double-strand break repairAnn. Oncol., 28 (2017), pp. 1495-1507, 10.1093/annonc/mdx165
- 25
SPOP-mutated/CHD1-deleted lethal prostate cancer and abiraterone sensitivityClin. Cancer Res., 24 (2018), pp. 5585-5593, 10.1158/1078-0432.CCR-18-0937
- 26
Coordinate loss of MAP3K7 and CHD1 promotes aggressive prostate cancerCancer Res., 75 (2015), pp. 1021-1034, 10.1158/0008-5472.CAN-14-1596
- 27
Identification of novel CHD1-associated collaborative alterations of genomic structure and functional assessment of CHD1 in prostate cancerOncogene, 31 (2012), pp. 3939-3948, 10.1038/onc.2011.554
- 28
Exome sequencing identifies recurrent SPOP, FOXA1 and MED12 mutations in prostate cancerNat. Genet., 44 (2012), pp. 685-689, 10.1038/ng.2279
- 29
Racial variations in prostate cancer molecular subtypes and androgen receptor signaling reflect anatomic tumor locationEur. Urol., 70 (2016), pp. 14-17, 10.1016/j.eururo.2015.09.031
- 30
Distinct genomic alterations in prostate cancers in chinese and western populations suggest alternative pathways of prostate carcinogenesisCancer Res., 70 (2010), pp. 5207-5212, 10.1158/0008-5472.CAN-09-4074
- 31
Whole-genome and transcriptome sequencing of prostate cancer identify new genetic alterations driving disease progressionEur. Urol., 73 (2018), pp. 322-339, 10.1016/j.eururo.2017.08.027
- 32
SPOP mutation leads to genomic instability in prostate cancerElife, 4 (2015), p. e09207, 10.7554/eLife.09207
- 33
Fast and accurate long-read alignment with Burrows-Wheeler transformBioinformatics, 26 (2010), pp. 589-595
View PDF This article is free to access. - 34
The life history of 21 breast cancersCell, 149 (2012), pp. 994-1007, 10.1016/j.cell.2012.04.023
- 35
Punctuated evolution of prostate cancer genomesCell, 153 (2013), pp. 666-677
- 36
Telomerecat: A ploidy-agnostic method for estimating telomere length from whole genome sequencing dataSci. Rep., 8 (2018), p. 1300
View PDF This article is free to access. - 37
Modelling rankings in R: The PlackettLuce packageComput. Stat., 35 (2020), pp. 1027-1057, 10.1007/s00180-020-00959-3
View PDF This article is free to access. - 38
Analysis of the genetic phylogeny of multifocal prostate cancer identifies multiple independent clonal expansions in neoplastic and morphologically normal prostate tissueNat. Genet., 47 (2015), pp. 367-372
- 39
Distinct genomic alterations in prostate cancers in Chinese and Western populations suggest alternative pathways of prostate carcinogenesisCancer Res., 70 (2010), pp. 5207-5212
- 40
Pindel: a pattern growth approach to detect break points of large deletions and medium sized insertions from paired-end short readsBioinformatics, 25 (2009), pp. 2865-2871View PDF This article is free to access.
- 41
Copy number alteration burden predicts prostate cancer relapseProc. Natl. Acad. Sci. USA, 111 (2014), pp. 11139-11144
- 42
Chapter 19: Latent Variable Analysis: Growth Mixture Modeling and Related Techniques for Longitudinal DataD. Kaplan (Ed.), The SAGE Handbook of Quantitative Methodology for the Social Sciences, SAGE Publications (2004), pp. 106-109
- 43
Learning the parts of objects by non-negative matrix factorizationNature, 401 (1999), pp. 788-791
- 44
Infinite latent feature models and the Indian buffet processY. Weiss, B. Schölkopf, J. Platt (Eds.), Advances in Neural Information Processing Systems 18 (NIPS 2005), NIPS (2006), pp. 475-482
- 45
Reducing the dimensionality of data with neural networksScience, 313 (2006), pp. 504-507
- 46
Training products of experts by minimizing contrastive divergenceNeural Comput., 14 (2002), pp. 1771-1800
- 47
Mixed-variate restricted Boltzmann machinesC.-N. Hsu, W.S. Lee (Eds.), Proceedings of the Asian Conference on Machine Learning, PMLR (2011), pp. 213-229
- 48
Multimodal learning with Deep Boltzmann MachinesF. Pereira, C.J. Burges, L. Bottou, K.Q. Weinberger (Eds.), Advances in Neural Information Processing Systems 25 (NIPS 2012), NIPS (2012), pp. 2222-2230
- 49
Learning parts-based representations with nonnegative restricted Boltzmann machineC.S. Ong, T.B. Ho (Eds.), Proceedings of the 5th Asian Conference on Machine Learning, PMLR (2013), pp. 133-148
- 50
Geometry of the restricted Boltzmann machineContemp. Math., 516 (2010), pp. 135-153
- 51
Efficient backpropG. Montavon, K.-R. Müller, G.B. Orr (Eds.), Neural Networks: Tricks of the Trade, Springer (2012), pp. 9-48
- 52
Exponential family harmoniums with an application to information retrievalL. Saul, Y. Weiss, L. Bottou (Eds.), Advances in Neural Information Processing Systems 17 (NIPS 2004), NIPS (2005), pp. 1481-1488
- 53
Greedy layer-wise training of deep networksB. Schölkopf, J. Platt, T. Hoffman (Eds.), Advances in Neural Information Processing Systems 19 (NIPS 2006), NIPS (2007), pp. 153-160
- 54
Learning vector representation of medical objects via EMR-driven nonnegative restricted boltzmann machines (eNRBM)J. Biomed. Inform., 54 (2015), pp. 96-105
- 55
Analysis of different sparsity methods in constrained RBM for sparse representation in cognitive robotic perceptionJ. Intell. Robot. Syst., 80 (2015), pp. 121-132
- 56
Regularization of neural networks using dropconnectS. Dasgupta, D. McAllester (Eds.), Proceedings of the 30th International Conference on Machine Learning, PMLR (2013), pp. 1058-1066
- 57
Rank, trace-norm and max-normP. Auer, R. Meir (Eds.), International Conference on Computational Learning Theory, Springer (2005), pp. 545-560
- 58
Bagging predictorsMach. Learn., 24 (1996), pp. 123-140
- 59
Early Stopping — But When?G. Montavon, K.-R. Müller, G.B. Orr (Eds.), Neural Networks: Tricks of the Trade, Springer (1998), pp. 55-69
- 60
A practical guide to training Restricted Boltzmann MachinesG. Montavon, K.-R. Müller, G.B. Orr (Eds.), Neural Networks: Tricks of the Trade, Springer (2012), pp. 599-619
- 61
Cyclical learning rates for training neural networks2017 IEEE Winter Conference on Applications of Computer Vision (WACV), IEEE (2017), pp. 464-472
- 62
An accurate comparison of methods for quantifying variable importance in artificial neural networks using simulated dataEcol. Modell., 178 (2004), pp. 389-397
- 63
Illuminating the “black box”: a randomization approach for understanding variable contributions in artificial neural networksEcol. Modell., 154 (2002), pp. 135-150
- 64
Interpreting neural-network connection weightsAI Expet., 6 (1991), pp. 46-51
- 65
Learning algorithms for the classification Restricted Boltzmann MachineJ. Mach. Learn. Res., 13 (2012), pp. 643-669
- 66
Divergence measures based on the Shannon entropyIEEE Trans. Inf. Theory, 37 (1991), pp. 145-151
- 67
Silhouettes: a graphical aid to the interpretation and validation of cluster analysisJ. Comput. Appl. Math., 20 (1987), pp. 53-65
- 68
The androgen receptor cistrome is extensively reprogrammed in human prostate tumorigenesisNat. Genet., 47 (2015), pp. 1346-1351, 10.1038/ng.3419
- 69
RegioneR: An R/Bioconductor package for the association analysis of genomic regions based on permutation testsBioinformatics, 32 (2016), pp. 289-291, 10.1093/bioinformatics/btv562View PDFThis article is free to access.
- 70
Pvclust: an R package for assessing the uncertainty in hierarchical clusteringBioinformatics, 22 (2006), pp. 1540-1542View PDF This article is free to access.
- 71
Whole-genome analysis of Nigerian patients with breast cancer reveals ethnic-driven somatic evolution and distinct genomic subtypesNat. Commun., 12 (2021), p. 6946
View PDF This article is free to access. - 72
Individual Choice Behavior: A Theoretical AnalysisWiley (1959)
- 73
The analysis of permutationsAppl. Stat., 24 (1975), pp. 193-202
- 74
Epitope profiling via mixture modeling of ranked dataStat. Med., 33 (2014), pp. 3738-3758
- 75
Error propagation by the Monte Carlo method in geochemical calculationsGeochim. Cosmochim. Acta, 40 (1976), pp. 1533-1538, 10.1016/0016-7037(76)90092-2
- 76
Poisson processesP. Armitage, T. Colton (Eds.), Encyclopedia of Biostatistics, John Wiley & Sons (2005)
- 77
Simple boundary correction for kernel density estimationStat. Comput., 3 (1993), pp. 135-146
Cited by (0)
- 43
-
Senior author
- 44
-
Deceased
- 45
-
Further details can be found in the supplemental information
- 46
-
Lead contact
Gerelateerde artikelen
- Urinetest met 18 genen ontdekt beter of prostaatkanker hooggradig is of zal worden dan de 2-genentest via PSA blijkt uit nieuwe studie
- Prostaatkanker blijkt zich door genmutaties in twee verschillende vormen te ontwikkelen. Een agressieve vorm en een passieve vorm.
- MRI van prostaat traceert prostaatkanker bij mannen vaker dan een PSA meting en zou sterfte aan prostaatkanker kunnen verminderen
- Nieuwe diagnostische ontwikkelingen (zoals MRI) kunnen agressieve prostaatkanker beter opsporen met minder biopsie procedures en minder overdiagnostiek.
- Combinatie van urinetest op EN2-eiwitmarker en waarden van 10 specifieke genen kan de noodzaak van een biopt aantonen van patiënten met een klinische verdenking van prostaatkanker.
- Oncotype DX Genomic Prostate Score voorspelt nagenoeg zelfde uitkomsten voor blanke en zwarte mannen
- Aanwezigheid van bepaalde mutaties in meting van tumor-DNA via bloedtest na 1 kuur abiraterone voorspelt overlevingskansen van patienten met uitgezaaide prostaatkanker.
- Prostaat-specifiek membraanantigeen PET-CT bij prostaatkankerpatienten voor chirurgie of radiotherapie (proPSMA) geeft betere diagnose dan gewone CT-scan of MRI
- Nieuwe richtlijnen bij diagnostiek van prostaatkanker gaan vandaag in. Eerst MRI daarna pas biopt.
- finasteride kan prostaatkanker voorkomen (min 24 procent). Maar finasteride en dutasteride gebruik veroorzaakt wel bij eerste diagnose hogere Gleasonscores, vaker uitgezaaide ziekte en hogere specifieke sterfte aan prostaatkanker en alle oorzaken
- Effectieve diagnosetechnieken voor prostaatkanker getoetst in reviewstudie. Een prima hulp voor urologen en oncologen hoe prostaatkankerpatienten te behandelen en adviseren.
- Urinetest (SelectMDx) onderscheidt agressiviteit van prostaatkanker en maakt diagnose completer. Radboud ziekenhuis past deze urinetest al toe copy 1
- Toevoeging van het stofje 18F-fluciclovine aan een CT/Pet-scan verandert voorgesteld behandelplan bij 60 procent van de prostaatkankerpatienten
- Bloedtest op circulerende DNA reparatiecellen toont binnen 8 weken aan of een behandeling met olaparib bij prostaatkanker zinvol is.
- Genentest van Oncotype DX (GPS test) voorspelt of prostaatkankerpatienten behandeling nodig hebben of niet na operatie.
- Genenmutaties - 3 groepen - zijn bepalend voor kansen op overall overleving met of zonder bestraling bij prostaatkanker. copy 1
- Bloedtest op aantal, grootte en vorm van circulerende tumorcellen voorspelt welke behandeling beste is bij vergevorderde prostaatkanker: abiraterone en enzalutamide of chemo
- Prolaris, een commerciële genentest voor prostaatkanker, blijkt betrouwbare prognostische informatie te geven op kansen op recidief en verder ziekteverloop van prostaatkanker
- AR-V7 receptor voorspelt welke behandeling zinvol is voor hormoonresistente gevorderde prostaatkanker: chemo of abiraterone en enzalutamide copy 2
- mp-MRI zou beste methode zijn als diagnosetechniek voor vaststellen van prostaatkanker en lijkt superieur aan PSA meting
- BCRA 1 en BCRA 2: prostaatkankerpatienten die drager zijn van het borstkankergen BRCA 1 of BRCA 2 hebben agressievere vorm van prostaatkanker en significant meer kans op overlijden.
- Diagnose prostaatkanker via PSA meting leidt vaak tot onnodige operaties, aldus prof. Schröder.
- Diagnose prostaatkanker: In 30 tot 44 procent van PSA verhoging is sprake van overdiagnose bij mannen met verdenking van prostaatkanker
- DNA testen noodzakelijk voor prostaatkanker met uitzaaingen. Deze heeft meer erfelijk gerelateerde genmutaties dan nog niet uitgezaaide prostaatkanker. copy 1
- Genentest AMACR - naast PSA meting lijkt accurater in vaststellen van prostaatkanker.
- Expressie van eiwit Hsp-27 in urine bij diagnose voorspelt mate van agressiviteit van prostaatkanker en kan wel of niet behandelen bepalen.
- Bloedtest aanvullend op PSA meting geeft significant betere betrouwbaarheid in vaststellen van prostaatkanker.
- Eiwitten S100AS en S100A9 samen met de S100 receptor RAGE lijken bepalend voor diagnose beginnende prostaatkanker
- Mannen met hoog risico op prostaatkanker hebben in voorgaande controles 'normale' PSA waarden. Andere diagnose techieken lijken vereist voor vaststellen van prostaatkanker.
- RECAF - naast PSA meting lijkt accurater in vaststellen van prostaatkanker
- Combidex - Ferumostan-10 geeft betrouwbare diagnostische resultaten (90 tot 100 procent) bij wel of niet uitzaaiingen bij prostaatkanker tot op 2 mm.doorsnede. FDA geeft goedkeuring
- PSA waarden die snel weer stijgen na behandeling zijn voorspeller van slechte prognoses bij prostaatkanker
- Urinetest op PCA3 voorspelt ontwikkeling en verloop van prostaatkanker nauwkeuriger dan PSA test zelf. Ook kan de uitslag van de urinetest PCA3 een biopsie voorkomen en de agressiviteit voorspellen. Gleasonscore blijkt gerelateerd aan de gemeten waarden
- Screening van mannen op prostaatkanker geeft geen verschil in positief effect op succes van eerder behandelen en overall overleving en leidt in tegendeel tot nadelen van overbehandeling blijkt uit groot bevolkingsonderzoek.
- Diagnose: overzicht van artikelen en informatie van diagnose technieken bij verdenking van prostaatkanker
Plaats een reactie ...
Reageer op "Prostaatkanker blijkt zich door genmutaties in twee verschillende vormen te ontwikkelen. Een agressieve vorm en een passieve vorm."