Webbläsaren som du använder stöds inte av denna webbplats. Alla versioner av Internet Explorer stöds inte längre, av oss eller Microsoft (läs mer här: * https://www.microsoft.com/en-us/microsoft-365/windows/end-of-ie-support).

Var god och använd en modern webbläsare för att ta del av denna webbplats, som t.ex. nyaste versioner av Edge, Chrome, Firefox eller Safari osv.

Pancreatic Cancer - Early Detection, Prognostic Factors, and Treatment

Författare

Summary, in Swedish

Popular Abstract in Swedish

Pankreascancer, cancer i bukspottkörteln, är den fjärde vanligaste orsaken till död i

cancer och årligen insjuknar cirka 1000 patienter i Sverige. Överlevnaden är kort

med en 5-årsöverlevnad på endast 6 procent. Pankreascancer orsakar, förutom

lidande, också betydande kostnader för såväl den medicinska vården, som förluster

för samhället, exempelvis i form av förtida död.



Eftersom symtomen vid pankreascancer är vaga och ofta uppträder i ett sent skede

av sjukdomen finns det ett stort behov av att förbättra den tidiga diagnostiken.

Idag finns inga godkända diagnostiska biomarkörer för pankreascancer. Genom att

söka efter proteinsekvenser i blodprov med s.k. masspektrometri kan nya

biomarkörer för pankreascancer identifieras. Dessa markörer skulle kunna

användas inom sjukvården för att i ett tidigt skede upptäcka om en patient bär på

en tumör i pankreas innan den har spridit sig till andra organ. Då ökar möjligheten

att bota patienten med operation.



Det är väsentligt med en korrekt bedömning av prognosen för varje patient för att

styra val av behandling. Det finns flera prognostiska modeller beskrivna i

litteraturen, men det saknas fortfarande ett etablerat prognostiskt system.

Nuvarande stadieindelning, s.k. TNM-klassifikationen tar inte hänsyn till faktorer

utöver T-stadium (primärtumörens storlek och utbredning), N-stadium (spridning

till regionala lymfkörtlar) och M-stadium (förekomst av fjärrmetastaser). För

patienter som genomgår kirurgi är TNM-indelningen inte tillräckligt pålitlig för att

förutsäga den enskilde patientens prognos efter operation. En modell för

prediktering av överlevnad kan baseras på s.k. artificiella neurala nätverk, en

avancerad datoriserad optimeringsmodell som kan analysera icke-linjära samband.



Pankreascancer är svårbehandlad och det finns därmed en stor potential för

terapiförbättringar. Kirurgin (Whipples operation) har successivt förfinats och

dödsfall i samband med operation har minskat och är idag några enstaka procent.

Det är visat att centralisering av pankreaskirurgi till högvolymscentra har haft en

viktig roll i detta. Cytostatika (cellgifter) kan ges som efterbehandling efter

kirurgi eller som behandling när tumören växer så att den inte kan opereras.

Tyvärr är resistens mot cytostatika ett vanligt problem och fortsatta förbättringar

av resultaten kräver ökad förståelse av tumörbiologin och ny typ av

individanpassad behandling. MUC4 är ett cellyteprotein som ofta finns i vävnad

från patienter med pankreascancer men som saknas i normal pankreas. Detta

protein har i tidigare experimentella studier kunnat kopplas till cytostatikaresistens.

Terapi riktad mot MUC4 kan därför utgöra en framtida

behandlingsstrategi mot pankreascancer.



I delarbete I studerades värdet av masspektrometri för att påvisa proteinmarkörer i

serum tidigt i förloppet vid pankreascancer. Vid en jämförelse mellan operabel

pankreascancer, godartade pankreassjukdomar och friska individer, identifierades

134 serumproteiner som kunde särskilja grupperna från varandra, varav 40

proteiner var uppreglerade vid pankreascancer. Flera av dessa proteiner kunde via

interaktionsanalyser kopplas till p53, ett protein som har en central roll vid

uppkomst av pankreascancer. Resultaten från denna studie är ett viktigt steg i

utvecklingen av ett enkelt blodbaserat diagnostiskt test för pankreascancer.



I delarbete II utvecklades en algoritm för prognostisering av pankreascancer med

hjälp av artificiella neurala nätverk. Riskfaktorer tillgängliga i daglig klinisk praxis

och som bidrar till sämre prognos vid pankreascancer identifierades och

rangordnades. En modell togs fram som hade bättre prediktionsförmåga än

traditionell statistik analys.



I delarbete III kartlades alla patienter som genomgått Whipples operation i Lund

under perioden 2000-2012. Totalt 221 patienter inkluderades. Resultaten visade att

sedan övergången till högvolymskirurgi (definierat som 25 eller fler operationer

per år) har de operativa resultaten förbättrats vad gäller blodförlust vid operation,

operationstid, blödningskomplikationer, risk för reoperation och vårdtid. Operativ

mortalitet minskade från 4 till 0 procent.



I delarbete IV studerades uttrycket av MUC4 i vävnad från primär pankreascancer

och matchade lymfkörtelmetastaser. Resultaten visade att majoriteten av

primärtumörerna uttryckte MUC4 och att detta uttryck bibehölls i metastaserna,

vilket talar för att MUC4 är ett potentiellt behandlingsmål även vid metastaserande

sjukdom.



I delarbete V utfördes experimentella djurstudier genom transplantation av

pankreastumörcellinjer i immundefekta möss i syfte att arbeta vidare med

MUC4-proteinet. Tumörer från en av cellinjerna (Capan-1) uttryckte mest MUC4 och

bedömdes därför bäst lämpad för fortsatta studier.



I delarbete VI undersöktes den tillväxthämmande effekten av olika s.k.

epigenetiska läkemedel på pankreascancerceller. Apicidin, en s.k. HDAC-hämmare

visade sig mest effektivt och potentierade även effekten av det vanliga

pankreascancermedlet gemcitabin genom att nedreglera MUC4 i cancercellinjen

Capan-1.

Avdelning/ar

  • Kirurgi, Lund
  • BioCARE: Biomarkers in Cancer Medicine improving Health Care, Education and Innovation

Publiceringsår

2014

Språk

Engelska

Publikation/Tidskrift/Serie

Lund University Faculty of Medicine Doctoral Dissertation Series

Volym

103

Dokumenttyp

Doktorsavhandling

Förlag

Surgery (Lund)

Ämne

  • Surgery

Nyckelord

  • artificial neural networks
  • apicidin
  • centralization
  • early detection
  • epigenetics
  • high definition mass spectrometry
  • MUC4
  • pancreatic cancer
  • pancreaticoduodenectomy
  • prognostic factors
  • xenograft model
  • treatment

Status

Published

Projekt

  • Pancreatic cancer

ISBN/ISSN/Övrigt

  • ISSN: 1652-8220
  • ISBN: 9789176190326

Försvarsdatum

26 september 2014

Försvarstid

13:00

Försvarsplats

Lecture Room 4, Main building, Skåne University Hospital, Lund

Opponent

  • Helmut Friess (Professor)