Stato dell’arte
Il tumore del colon-retto è tra le patologie oncologiche più diffuse e mortali. La disbiosi intestinale sembrerebbe rientrare tra le sue cause e il microbioma potrebbe funzionare come un potenziale biomarcatore di predizione del rischio e/o della sua progressione.

Cosa aggiunge questo studio
Questo studio prospettico ha avuto lo scopo non solo di caratterizzare il microbioma intestinale di soggetti con e senza polipi al colon-retto, fattore di rischio per lo sviluppo tumorale, ma anche di valutare l’affidabilità di vari approcci bioinformatici nel discriminare i due gruppi in base alle caratteristiche batteriche.

Conclusioni
La combinazione tra analisi di composizione batterica con metodi bioinformatici avanzati (Naive Bayes e Neural Network) sembrerebbe utile nello screening non invasivo di pazienti con polipi intestinali ottimizzando il ricorso alla colonscopia e riducendo la morbilità e mortalità da tumore al colon-retto.

Analizzare il microbioma intestinale con approcci non solo metagenomici, ma anche di bioinformatica combinati (Naive Bayes e Neural Network) rappresenta un potenziale strumento di screening predittivo e non invasivo per soggetti con polipi intestinali, fattore di rischio per lo sviluppo di tumore al colon-retto.

È quanto dimostra lo studio coordinato da Ezzat Dadkhah e i colleghi della George Mason University americana, pubblicato su Open Gastroenterology.

Il tumore del colon-retto, oltre a essere una delle forme oncologiche più diffuse al mondo, è anche tra quelle con i maggiori tassi di mortalità. Benché la componente genetica sia assodata, la sua patogenesi è complessa. Molti sono infatti i fattori di rischio tra i quali la disbiosi intestinale. Screening preventivi e/o di controllo focalizzati sul microbioma potrebbero quindi rappresentare un’alternativa alla classica colonscopia o ad altre procedure invasive e scarsamente accettate dai pazienti. Per far ciò, il potere predittivo di queste misurazioni deve essere confermato e soddisfare determinati criteri.

A tal proposito, i ricercatori americani hanno applicato vari approcci bioinformatici, da soli o in combinazione, alle analisi di composizione microbica di campioni fecali (n=183), tamponi rettali (n=231) e biopsie (n=138) di 218 soggetti, il 56% dei quali positivi ai polipi intestinali, fattore di rischio per la progressione tumorale. Di seguito i principali risultati.

Caratteristiche del microbioma intestinale

La composizione batterica del gruppo con o senza polipi è nel complesso risultata differente in termini di alpha- e beta-diversity, fatta eccezione per alcuni degli indici statistici applicati. Firmicutes, Bacteroidetes e Proteobacteria sono i phyla maggiormente responsabile di tale alterazione.

Inoltre, dai 552 campioni collezionati è stato possibile identificare un totale di 2631 OTUs, non tutti “informativi” ossia utili nel discriminare soggetti con polipi da quelli sani. Combinando gli approcci statistici non parametrici MetaStats, Kruskal-Wallis, LefSe e un indicatore metrico è emerso che:

• dei 291 OTUs totali, 109, 59 e 92 sono quelli informativi nei campioni di biopsia, feci e tamponi rettali rispettivamente;
• tra il sottogruppo degli OTUs informativi, alcuni sono risultati aumentati e altri diminuiti nel gruppo con polipi, seppur non sempre con lo stesso andamento. Bacteroides ha infatti mostrato arricchimento in tutti i tipi di campione, mentre Blautia è risultato arricchito in quelli di feci e nei tamponi rettali e Faecalibacterium solo nei tamponi rettali.

Considerando, poi, solo gli OTUs informativi, e non la totalità di quelli identificati, è stato registrato un incremento nell’accuratezza, sensibilità e specificità di classificazione batterica dei modelli Naive Basel e Neural Network per tutte le tipologie di campioni passando da una media di 0.40 per Naive Bayes e 0.50 per Neural Network a una media di circa 0.75 per entrambi.

Predittività dei modelli statistici applicati al microbioma

Per implementare il controllo del microbioma come test di screening è essenziale una buona affidabilità statistica predittiva. È stata dunque testata la capacità di discriminare e identificare con successo i due gruppi di pazienti applicando ancora una volta i modelli Naive Basel e Neural Network e dimostrando che:

• l’accuratezza di classificazione di Naive Basel e Neural Network, applicati singolarmente, è rispettivamente del 79% e 82%, con una media del 12% di falsi positivi e l’11.5% di falsi negativi;
• combinando i due approcci, si è osservato un miglioramento nell’accuratezza con soli 9 falsi negativi (5%) risultanti da entrambi i modelli.

Nonostante i risultati incoraggianti, ulteriori e più ampi studi sono necessari al fine di implementare nella pratica clinica corrente un’alternativa di screening preventivo o di controllo basata sul microbioma, non invasiva e affidabile per individuare soggetti a rischio di carcinoma colon-rettale.