Auch nach einer Prostatektomie haben Ärzte ein besonders wachsames Auge auf die Betroffenen. Denn bei 33 Prozent der Krebspatienten kehrt der Tumor zurück. Ein neues Verfahren soll verlässlichere Prognosen einer eventuellen Wiederkehr ermöglichen.
Eine Methode ermöglicht es Ärzten, vorherzusagen, ob Prostatakarzinome nach einer Operation wiederkehren. Aktuell ist der einzige Weg, die Aggressivität von Tumoren einzuschätzen, mithilfe eines Gleason-Scores. Die Verlässlichkeit dieses Parameters ist in den meisten Fällen aber limitiert, betonen die Experten. Manche Prostatakarzinome wachsen sehr langsam, wenn die Krankheit dann früh erkannt wird, beträgt die 5-Jahres-Überlebensrate beinahe 100 Prozent. Allerdings gibt es auch Männer, bei denen eine aggressivere Form der Erkrankung diagnostiziert wird. Sogar nach einer radikalen Prostatektomie kehrt der Krebs bei einem Drittel der Patienten zurück.
Hucky Land und sein Team vom Wilmot Cancer Institute der University of Rochester suchten anhand von Proben des erkrankten Gewebes nach einer Gruppe von Genen, die in die Entwicklung von Krebs involviert ist. Die Experten sprechen von Cooperation Response Genes (CRGs). Bei Prostatakrebs erfassten die Wissenschaftler eine sysgtemische Dysregulation dieser Gene. Dabei stießen sie auf eine 4-Gene-Signatur, bestehend aus HBEGF, HOXC13, IGFBP2, and SATB1.
Mithilfe des Kreuzvalidierungsverfahrens konnten die Forscher verschiedene Algorithmen und Methoden entwickeln, um die Gen-Signaturen auszuwerten. So gelang es ihnen, Vorhersagen mit 83-prozentiger Verlässlichkeit über eine mögliche Wiederkehr von Prostatakrebs nach einem chirurgischen Eingriff zu treffen. „Unsere Studie soll die Prognose in diesem Bereich verbessern, sodass Onkologen mit größerer Sicherheit wissen, wann sie zusätzliche Behandlungen direkt nach einer Operation wie Bestrahlung empfehlen sollen“, sagt Studienleiter Hucky Land. Originalpublikation: A four gene signature predictive of recurrent prostate cancer Justin Komisarof et al.; Oncotarget, doi: 10.18632/oncotarget.13837; 2016