Ziel einer Studie war es, eine kurze Übersicht über Vorhersagemodelle und die aufkommende Bedeutung von Biomarkertests in der Risikovorhersage für die Erkennung von Lungenkrebsfällen zu bieten. Dies soll Ärzten helfen, das individuelle Risiko ihrer Patienten besser einzuschätzen und fundiertere Entscheidungen zu treffen, um somit auch die Gespräche mit den Patienten zu erleichtern.
Die Lungenkrebsvorsorge wird derzeit durch verschiedene Ansätze optimiert.
Während die US Preventive Services Task Force (USPSTF) hauptsächlich auf Alter und Raucheranamnese setzt, empfehlen das National Comprehensive Cancer Network (NCCN) und andere medizinische Gesellschaften eine individuelle Risikobewertung. Diese berücksichtigt familiäre Vorbelastung, Umwelteinflüsse und chronische Lungenerkrankungen. Zu den Hauptrisikofaktoren gehören Rauchen, männliches Geschlecht, afroamerikanische Herkunft, höheres Alter, familiäre Krebsgeschichte, Asbest/Radon-Exposition und chronische Lungenerkrankungen.
Verschiedene Kombinationen dieser Risikofaktoren werden in unterschiedlichen Modellen verwendet, von denen viele in unabhängigen Datensätzen extern validiert wurden. Eine Modellierungsstudie des Cancer Intervention and Surveillance Modeling Network (CISNET) verglich die Leistungsfähigkeit von drei wichtigen Risikovorhersagemodellen – das PLCOm2012-, das LCDRAT-und das Bach-Modell – mit den aktuellen USPSTF-Empfehlungen für 2021 in einer simulierten US-Geburtskohorte. Die Ergebnisse zeigen, dass Risikomodell-basierte Screeningstrategien die Lungenkrebssterblichkeit effektiver reduzieren würden als die USPSTF-Kriterien für 2021. Biomarker, wie DNA, Proteine und Hormonspiegel, könnten auch in der Krebsfrüherkennung nützlich sein und Risikovorhersagemodelle, die auf klinischen Faktoren basieren, sinnvoll ergänzen.
Lesen Sie den ganzen Artikel
