Des biomarqueurs identifiés pour prédire le risque de rechute


Exemples représentatifs de coloration immunohistochimique (IHC) de l’AF1q dans l’adénocarcinome gastrique. Échantillons avec (A) expression accrue de l’AF1q par rapport aux échantillons avec (B) coloration à l’hématoxyline-éosine de patients ayant subi une intervention chirurgicale. Barre d’échelle 100 μm. Crédit : Rapports scientifiques (2024). DOI: 10.1038/s41598-024-67058-x

L’ablation chirurgicale de la tumeur est considérée comme la base de la guérison du cancer gastrique. Cependant, 40 % des patients ayant subi une intervention chirurgicale connaissent une rechute dans les deux ans. Une équipe de recherche dirigée par la MedUni Vienna a étudié un marqueur pronostique qui peut être utilisé pour identifier les patients présentant un risque élevé de récidive tumorale. Les résultats de l’étude, récemment publiés dans la revue Rapports scientifiquespeut donc améliorer le traitement personnalisé du cancer de l’estomac et augmenter les chances de survie des personnes touchées.

Dans le cadre de l’analyse d’échantillons tumoraux de 182 patients opérés d’un cancer gastrique à l’hôpital universitaire de Vienne, l’équipe de recherche dirigée par Elisabeth Gruber (département de chirurgie générale) et Lukas Kenner (département de pathologie) s’est concentrée sur le gène AF1Q. Ce gène a été découvert initialement en lien avec des cancers du sang tels que la leucémie et est aujourd’hui connu dans la recherche médicale pour son influence sur divers processus cellulaires qui contribuent au développement et à la propagation du cancer.

« Le rôle de l’AF1Q dans le cancer gastrique a été largement inexploré jusqu’à présent », explique Gruber, décrivant la situation initiale.

Comme le montre l’étude, 178 des 182 échantillons de tumeurs examinés, soit 97,8 %, présentent des niveaux d’AF1Q modérément à significativement élevés, associés à un risque plus élevé de récidive et à des chances de survie plus faibles.

« Cela fait de l’AF1Q un biomarqueur prometteur qui peut être utilisé pour mieux évaluer le pronostic des patients », souligne Gruber. « Nos résultats justifient l’inclusion de l’AF1Q dans le processus de diagnostic. »

Plus précisément, le marqueur nouvellement identifié pourrait être pris en compte lors de l’examen d’échantillons de tissus de la tumeur pour identifier un risque accru de récidive à un stade précoce et adapter les mesures de traitement individuellement.

Quatrième cause de décès par cancer dans le monde

Le cancer de l’estomac est le cinquième type de tumeur le plus fréquent et la quatrième cause de décès par cancer dans le monde : rien qu’en 2020, il a causé environ dix millions de décès. L’ablation chirurgicale de la tumeur est considérée comme la base de la guérison du cancer de l’estomac. Cependant, 38,8 % des patients en Europe (Asie : 60 %) souffrent d’une récidive dans les deux ans suivant l’opération.

« Notre étude peut aider à optimiser le suivi des patients et à augmenter leurs chances de survie », affirment Gruber et Kenner, soulignant la pertinence des résultats.

Plus d’information:
Elisabeth S. Gruber et al, Le dépistage de l’expression oncogène d’AF1q prédit la récidive de la maladie chez les patients atteints de cancer gastrique, Rapports scientifiques (2024). DOI: 10.1038/s41598-024-67058-x

Fourni par l’Université de médecine de Vienne

Citation: Cancer gastrique : des biomarqueurs identifiés pour prédire le risque de rechute (30 juillet 2024) récupéré le 30 juillet 2024 sur

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre d’information uniquement.



Related posts

L’analyse révèle que la plupart des LLM majeurs en open source et en source fermée ont tendance à pencher à gauche lorsqu’on leur pose des questions à forte connotation politique

Une étude examine la contagion du suicide après le décès de célébrités, ouvrant des pistes de prévention

Sonder la capture du carbone, atome par atome, avec un modèle d’apprentissage automatique