Accurate risicovoorspellingsmodellen op basis van routinematig bepaalde biomarkers in het bloed, zoals CA19-9 en bilirubinegehalten, voor pancreascarcinoom (PaC) zouden wellicht vroege detectie van PaC kunnen faciliteren en mogelijk onnodige diagnostische testen voor laag-risicopatiënten overbodig kunnen maken. Een studie in vier centra in Italië, Nederland, en het Verenigd Koninkrijk heeft het vermogen van een model op basis van CA19-9 en bilirubinegehalten om PaC te onderscheiden van benigne periampullaire ziekten geïnventariseerd. Dr. Elisa Giovannetti (Amsterdam UMC) en collega’s publiceren de studie in JAMA Network Open.¹


De studie includeerde 249 patiënten in het ontwikkelingscohort en 296 patiënten in het validatiecohort. De patiënten stonden bloedmonsters af bij diagnose en voor de start van enige medische interventie. De onderzoekers bepaalden in de monsters gehalten van CA19-9 en bilirubine. Bij validatie liet het voorspellingsmodel een AUC zien van 0,89 (95%-bti 0,84-0,93) voor vroeg-stadium PaC versus benigne ampullaire ziekte, waarmee het beter presteerde dan alleen CA19-9 (verschil in AUC 0,10; p<0,001) en alleen bilirubine (0,07; p=0,004). Gebruik van het model reduceerde het aantal onnodige biopsieprocedures met 6% zonder vroeg-stadium PaC in de patiënten te missen.

De onderzoekers concluderen dat een eenvoudig toepasbare score hoge accuratesse had voor het onderscheiden van vroeg-stadium PaC en periampullaire ziekten.

1.Boyd LNC, Ali M, Comandatore A et al. Prediction model for early-stage pancreatic cancer using routinely measured blood biomarkers. JAMA Network Open 2023;6:e2331197

Summary: A multinational (4 centers in 3 countries) diagnostic study including 545 adult patients with pancreatic cancer or benign periampullary disease found that a prediction model using commonly measured blood biomarkers showed excellent discriminative performance.