Return to search

Differentialdiagnostik von Nebennierentumoren mittels massenspektrometrischer Steroidhormon-Untersuchungen und targeted Metabolomics / Differential diagnosis of adrenal tumors using mass spectrometric analysis of steroid hormones and targeted metabolomics

Das Nebennierenrindenkarzinom (ACC) ist eine sehr seltene maligne Erkrankung, die mit einer infausten Prognose vergesellschaftet ist. In Zeiten apparativ geprägter Medizin treten suspekte Befunde der Nebenniere gehäufter auf als je zuvor. Diese Nebennierenraumforderungen, die zumeist bei Bildgebungen auffallen, die aus anderen Gründen indiziert waren, werden Nebenniereninzidentalome genannt und sind meist benigne Befunde. Dennoch wird es angesichts dieser steigenden Zahl an Inzidentalomen immer wichtiger, die Entität der gefundenen Raumforderung schnell zu sichern, um die entsprechende Therapie einleiten zu können. Somit sollen das Zeitfenster bis zur Krebstherapie verkleinert und gleichsam unnötige chirurgische Eingriffe bei Patient*innen mit benignen Nebennierentumoren vermieden werden. Um die diagnostischen Schritte weiter zu verbessern, wurde in der vorliegenden Arbeit eine bioinformatische Regressionsanalyse an Steroidhormonkonzentrationen von ACC-Patient*innen und Kontrollen durchgeführt und der diagnostische Wert der berechneten Steroidsignaturen untersucht. Dabei zeigte sich im geschlechtsspezifischen Modell jeweils eine 6-Steroid-Signatur mit bester Trennschärfe zwischen benignen und malignen NN-Befunden. So konnte mit der 6-Steroid-Signatur in der männlichen Patientengruppe mit einer Sensitivität von 80% und Spezifität von 97%, in der weiblichen Patientinnengruppe mit einer Sensitivität von 78% und Spezifität von 97% die Diagnose richtig zugewiesen werden. Im Rahmen der targeted Metabolomics Untersuchung konnten Tumor-assoziierte Stoffwechselalterationen aufgezeigt werden. Eine Plasma-Metabolit-Signatur zur Differenzierung von ACCs und Nebennierenadenomen, welche die gängige Diagnostik bei der Abklärung von unklaren Nebennierentumoren erleichtern könnte, erscheint jedoch angesichts der großen Anzahl an zu bestimmenden Metaboliten - auch unter ökonomischen Gesichtspunkten - zu diesem Zeitpunkt noch nicht mit der Routine-Patient*innenversorgung vereinbar. / Adrenocortical carcinoma (ACC) is a very rare malignant disease and is associated with poor prognosis. Suspicious findings of the adrenal gland occur more frequently than ever before. Adrenal mass which is detected on imaging that is not performed for suspected adrenal disease is called adrenal incidentaloma. In most cases adrenal incidentalomas reveal benign findings. Malignancy is rare. Nevertheless, in view of this increasing number of incidentalomas diagnostic tools are needed to be able to initiate the appropriate therapy. In order to further improve the diagnostic steps, a bioinformatic regression analysis of steroid hormone concentrations of ACC patients and controls was carried out in the present work and the diagnostic value of the calculated steroid signatures was examined. The gender-specific model revealed a 6-steroid signature to be most discriminative between benign and malignant adrenocortical tumors. Thus, by applying the 6-steroid signature in the male patient group diagnosis could be correctly assigned with a sensitivity of 80% and specificity of 97%, in the female patient group with a sensitivity of 78% and specificity of 97%.
As part of the targeted metabolomics examination, tumor-associated metabolic alterations were detected. However, a plasma metabolite signature for the differential diagnosis of adrenocortical tumors does not yet seem compatible with routine patient care regarding the large number of metabolites to be determined - also from an economic point of view.

Identiferoai:union.ndltd.org:uni-wuerzburg.de/oai:opus.bibliothek.uni-wuerzburg.de:26137
Date January 2022
CreatorsSchweitzer, Sophie Emily
Source SetsUniversity of Würzburg
Languagedeu
Detected LanguageGerman
Typedoctoralthesis, doc-type:doctoralThesis
Formatapplication/pdf
Rightshttps://creativecommons.org/licenses/by-sa/4.0/deed.de, info:eu-repo/semantics/openAccess

Page generated in 0.0023 seconds