In etwa 2-10% aller Krebsleiden findet man eine Metastase vor bei unbekanntem Primärtumor, der mit der üblichen Diagnostik nicht bestimmt werden kann. Meist handelt es sich hierbei um ein metastasierendes Adenokarzinom. Als Hilfsmittel bei der immunhistochemischen Differenzierung solcher Metastasen ist ein statistisches Verfahren entwickelt worden. Dabei können Wahrscheinlichkeitsangaben für die mögliche Organlokalisation des Primärtumors auf der Grundlage von immunhistologischen Färbeergebnissen mit 7 verschiedenen Tumormarkern (CEA, CK7, CK20, ER, GCDFP-15, Surfactant A, Vimentin) geliefert werden. Das histologische Untersuchungsmaterial umfaßte 313 Adenokarzinommetastasen mit bekanntem Primärtumor in Mamma, Ovar, Lunge, Niere, Kolon, Magen und Pankreas. Unter der Annahme einer ausreichenden Diagnosesicherheit bei einer Zuordnungswahrscheinlichkeit von >=90% konnten mit Hilfe des Verfahrens 46% der Metastasen ihrem Primärtumor zugeordnet werden. Die Methode erreicht dabei eine Spezifität von 95%. Mamma- und Lungenadenokarzinommetastasen wurden vor allem aufgrund des positiven Färbeergebnisses für ihren spezifischen Marker GCDFP-15 bzw. Surfactant A differenziert. Da die Diagnose hierbei unabhängig von den übrigen Ergebnissen gestellt werden konnte, wird die Anwendung des Verfahrens besonders bedeutsam für Metastasen, die ihren organspezifischen Marker nicht exprimieren, bzw. für Kolon-, Nieren- und Ovarialkarzinommetastasen, die zum Teil charakteristische Markerspektren aufweisen und damit recht gut zu differenzieren waren. Eine Differenzierung von Magen- und Pankreaskarzinommetastasen war dagegen aufgrund der sehr ähnlichen Markerprofile nicht möglich. Das vorgestellte Programm läßt sich nicht nur als Diagnosehilfe für den Immunhistologen nutzen, sondern läßt auch eine bessere Beurteilung der diagnostischen Wertigkeit verwendeter Markerkombinationen zu, so dass evtl. eine effektivere Antikörper-Auswahl getroffen werden kann. / Cancer of unknown primary origin is a common clinical syndrome and accounts for 2-10% of all cancer diagnoses. Most of these cases are related to a metastatic adenocarcinoma. We have developed and tested a statistical method which can serve as a diagnostic tool for the immunhistochemical differentiation of such metastases. Based on the different expression patterns of 7 tumor markers (CEA, CK 7, CK20, GCDFP-15, Vimentin, Surfactant A), the probability for a certain primary cancer site is calculated. To test the method, 313 metastases of adenocarcinoma with primary sites in the breast, the ovary, the kidney, the colon, the stomach, the pancreas and the lung were examined. Taking the diagnosis to be reliable if the method identifies a certain cancer site with a probability of 90 %, we find that we could differentiate 46 % of the metastases with a specificity of 95 %. Metastases of breast and lung carcinoma were identified mainly based on the expression of their specific markers Surfactant A and GCDFP-15. The procedure becomes especially useful, if a specific marker does not exist, or if the staining result is negative. Metastases of carcinoma from the kidney, the colon and the ovary could be differentiated, because they often exhibit specific expression patterns. In contrast, metastases from stomach and pancreas carcinoma have very similar immunhistochemical properties. Here, a differentiation was not possible. The suggested method can help immunhistochemists not only in the diagnosis, but also to estimate the diagnostic value of certain combinations of tumor markers.
| Identifer | oai:union.ndltd.org:HUMBOLT/oai:edoc.hu-berlin.de:18452/15459 |
| Date | 09 December 2002 |
| Creators | Klassen, Irena |
| Contributors | Guski, H., Lobeck, H., Stosiek, P. |
| Publisher | Humboldt-Universität zu Berlin, Medizinische Fakultät - Universitätsklinikum Charité |
| Source Sets | Humboldt University of Berlin |
| Language | German |
| Detected Language | German |
| Type | doctoralThesis, doc-type:doctoralThesis |
| Format | application/pdf, application/octet-stream, application/octet-stream |
Page generated in 0.0025 seconds