Diagnostic risk prediction model for pancreatic cancer using a multi-biomarker panel

Abstract

Background: Pancreatic ductal adenocarcinoma (PDAC) has dismal survival rate due to late detection because of unspecific symptoms, rapid progression of tumor, and resistance to conventional therapies. The current diagnostic method for PDAC is imaging modalities, such as computerized tomography or magnetic resonance imaging, which also delay the early diagnosis due to high cost and invasiveness. Serum-based biomarkers have been used for early detection of cancers. Although many groups have discovered biomarkers for PDAC, biomarkers themselves cannot be applied to the real clinic. It needs a diagnostic model. Therefore, in this study, we developed an automated multi-marker enzyme-linked immunosorbent assay (ELISA) kit using 3 biomarkers (leucine-rich alpha-2- glycoprotein [LRG1], transthyretin [TTR], and CA 19-9) that were previously discovered and proposed a diagnostic model for PDAC based on this kit for clinical usage. Methods: Individual LRG1, TTR, and CA 19-9 panels were combined into a single automated ELISA panel and tested on 728 plasma samples, including PDAC (n=381) and normal samples (n=347). The diagnostic model was developed using logistic regression according to the automated ELISA kit to predict the risk of pancreatic cancer (high-, intermediate-, and low-risk groups). Results: The automated multi-marker ELISA kit showed reproducibility and consistency. The proposed logistic regression model provided reliable prediction results with a positive predictive value of 92.05%, negative predictive value of 90.69%, specificity of 90.69%, and sensitivity of 92.05%, which all simultaneously exceed 90% cutoff value. The thresholds, delta 1 and delta 2, between low, intermediate and high were 32% and 60%. Conclusion: This diagnostic model based on the triple marker ELISA kit could distinguish PDAC from normal samples well and showed better diagnostic performance than that of previous PDAC markers. It can give an information of the risk of pancreatic cancer, which, on that account, can be used as the diagnostic tool in the cancer screening. In the future, it needs external validation to be used in the clinic.

배경: 췌장암은 초기에 비특이적인 증상으로 조기 발견이 어려워 발견 시 수술적 절제가 가능한 환자는 20% 내외에 불과하며 재발과 전이가 빈번하고 항암제에 잘 듣지 않는 종양 자체의 생물학적 특징이 있기 때문에 생존율이 낮다. 현재 진단 방법으로는 컴퓨터 단층 촬영(CT)나 자기공명영상(MRI)과 같은 방법 뿐이며, 이는 높은 비용과 침습성으로 인해 조기 진단을 지연시킨다. 암 진단 바이오 마커는 생존율을 증가시키기 위해 암의 조기 검출에 사용되어 왔고, 여러 췌장암에 대한 바이오마커를 발견했지만 아직까지 실제 임상에 적용할 수가 없다. 따라서, 이 연구에서는 췌장암 조기 진단을 위해 automated triple marker enzyme-linked immunosorbent assay (ELISA) 키트를 개발하고, triple marker 키트에 따라 췌장암 진단 모델을 개발하는 것이다. 또한 이 진단 모델의 높은 진단 성능을 달성하여 췌장암의 위험을 예측하는 것을 목표로 한다.

방법: 개별 LRG1, TTR 및 CA 19-9 panel을 한 개의 kit로 만들어 줴관선암 (n=381)과 정상 (n=347) 샘플을 포함한 728개의 plasma sample에서 검사를 진행하였다. 이전 개별 ELISA 값과 이번에 개발된 자동화 triple marker ELISA kit의 일관성 확인을 위해 두 data의 predictor에 대해 Pearson Correlation으로 비교하였다. 로지스틱 회기 방법을 이용하여 췌관선암 진단 모델을 개발하고 저, 중등도, 고 위험군으로 나눌 수 있는 위험도 예측 모델을 개발하였다.

결과: 이전 개별 ELISA 값과 triple marker 값 사이의 피어슨 상관계수는 0.865로 일관성이 있음을 확인하였다. 로지스틱 회귀 모델은 양성예측도 92.05%, 음성예측도 90.69%, 특이도 90.69%, 및 민감도 92.05%로 신뢰할 수 있는 예측 결과가 나왔으며 CA 19-9보다 더 나은 진단 성능을 보여주었다(AUC: 0.851 vs. 0.912, P=0.001). 이를 바탕으로 위험도 예측을 위하여 환자군을 저, 중등도, 고 위험도로 나누기 위한 두 개의 최적화된 threshold는 0.32와 0.6이었다.

결론: 이 연구에서 개발된 자동화 triple-marker ELISA kit는 혈액 기반 테스트로, 최소 침습적이며, 사용하기 편리하고, 영상 진단 도구들보다 저렴하다. 또한 이 kit를 기반으로 개발한 췌장암 진단 모델은 췌장암과 정상을 잘 구별할 수 있으며 췌장암의 위험도를 저, 중, 고 위험도로 나눌 수 있다. 따라서 췌장암의 선별검사로서 췌장암 고위험군의 환자식별에 사용될 수 있고 췌장암 조기 진단율을 높여 환자들이 수술적 치료를 받게 하여 생존율을 높일 수 있다. 자동화 triple-marker ELISA kit를 기반으로 개발된 췌장암 진단 모델은 이전 마커보다 우수한 진단 성능을 보여주길 기대한다. 앞으로는 실제 임상에서 사용하기 위해 이번 모델의 외부 검증이 필요하다.