Leitlinienprogramm OnkologieNierenzellkarzinom

4. Diagnostik, Prognosemarker und ‑scores (klinisch, molekular) – Nierenzellkarzinom

Version 5.0 · September 2024 · AWMF 043-017OL
Leitlinienprogramm Onkologie · Deutsche Krebsgesellschaft · Deutsche Krebshilfe · AWMF

4.1 Diagnostik

4.1.1 Bildgebung

4.1 · Evidenzbasierte Empfehlung · geprüft 2022

Für die präoperative Diagnostik soll zum lokalen Staging und zur Resektions­planung des primären Nierenzellkarzinoms eine Computertomographie nativ von Leberkuppe bis Symphyse sowie mit früharterieller (Nieren bis Beckeneingang) und venöser Phase von Leberkuppe bis Symphyse nach einheitlichen Standards durch­geführt werden.

Empfehlungsgrad
A: Starke Empfehlung für oder gegen ein Maßnahme - verwendete Ausdrucksweise = soll/soll nicht
Evidenzlevel
1+
Konsens
Starker Konsens
Literatur
[33] [34] [35]
4.2 · Evidenzbasierte Empfehlung · geprüft 2022

Patienten mit Verdacht auf Nierenzellkarzinom und Venen- oder Cavabeteiligung sollten mit der MRT untersucht werden. Diese sollte nach einheitlichen Standards durchgeführt werden.

Empfehlungsgrad
B: Empfehlung für oder gegen eine Maßnahme - verwendete Ausdrucksweise = sollte/sollte nicht
Evidenzlevel
1+
Konsens
Starker Konsens
Literatur
[36] [37] [38]

Hintergrund Empfehlung 4.1

Mit der Zunahme der inzidentellen Detektion von Nierenzellkarzinomen nimmt die Größe bei Primärdiagnose immer weiter ab. Dies führt zu differentialdiagnostischen Schwierigkeiten, da die typischen Zeichen eines klarzelligen Nierenzellkarzinoms wie Cavazapfen, Metastasen und Nekrosen fehlen können. Die hochaufgelöste Bildgebung in Multislice-CT und MRT erlaubt auch kleine und chromophobe Tumoren sicher zu detektieren [39]. Bei dem Staging zeigten sich bei vergleichenden Studien von MRT und Mehrzeilen-CT keine signifikanten Unterschiede zwischen MRT und CT bei der Staginggenauigkeit in einer prospektiven Studie mit 82 Tumoren (accuracy zwischen 0,78 und 0,87 bei zwei Readern), wobei vor allem die Infiltration ins perirenale Fettgewebe zu Fehlbeurteilungen führte [34]. Die CT hat sich als Standardverfahren zur Beurteilung kleiner Tumoren etabliert [40], während bei V. a. Cavazapfen eine MRT durchgeführt werden sollte, da hier die Tumorausdehnung besser beurteilt werden kann. Eine CT-Untersuchung zur präoperativen Abklärung des Nierenzellkarzinoms soll nativ von der Leberkuppe bis zur Symphyse oder gleich mit Thorax-CT durchgeführt werden. Anschließend soll eine früharterielle CT-Spirale des Oberbauches von der Leberkuppe bis zum Beckeneingang durchgeführt werden, um auch kleine multifokale Herde in der Phase der Markrinden differenzieren zu können. Gleichzeitig können so Metastasen durch die Hypervaskularisation erkannt werden.

Eine venöse Phase schließt sich von der Leberkuppe bis zur Symphyse an, um die Tumorausdehnung venös und ggf. Lymphknoten zu erkennen.

Die native, arterielle und venöse Spirale sollte maximal in 2-mm-Schichtdicke rekonstruiert werden.
Weitere Differenzierung ist mit der MRT möglich, siehe Hintergrundtext zu Empfehlung 4.2

Resektionsplanung
Für die Resektionsplanung eines Nierentumors hat sich die CT bei höherer Ortsauf­lösung als Goldstandard etabliert. Neuere Studien weisen eine hohe Genauigkeit bei der Beurteilung der Infiltration des perirenalen Fettes auf [41]. Es zeigt sich jedoch, dass auch die CT bei der Frage nach Infiltrationen intrarenal nicht sehr prädiktiv ist [42]. PADUA und R.E.N.A.L. oder Concordance-Index sind ebenfalls gut mit der CT zu beurteilen.


Hintergrund Empfehlung 4.2


Hier sollte neben nativen T1-Sequenzen eine hochaufgelöste axiale T2-Sequenz von der Vorhofebene bis zum Nierenunterrand durchgeführt werden, da sich diese Sequenz für die Ausdehnungsbestimmung des Cavazapfens sehr gut eignet.
Bei ausgedehnten Tumoren mit Cavazapfen hat die MRT sich überlegen in der Abgrenzung des kranialen Tumorthrombusrandes gezeigt, da die MRT den Zapfen auch ohne Zustrom von Kontrastmittel abgrenzen kann. In mehreren Studien wurden hier die MRT und die Multislice-CT untersucht [37][36][38].

Die Sensitivität und die Spezifität bei der Beurteilung des Cavazapfens lag bei 0,93 und 0,8 für die CT und 1,0 und 0,83 für die MRT.

Über die Nieren, die Nierenvenen und die Cava inferior sollte eine koronare Angio­sequenz nativ, früharteriell und venös gefahren werden, da sich hiermit die lokale Ausdehnung und die Cavaausbreitung gut darstellen lassen. Gleichzeitig werden in der früharteriellen Phase hypervaskularisierte Metastasen des klarzelligen Karzinoms entdeckt.


Die früharterielle Phase in der MRT erlaubt eine Abgrenzung hypervaskularisierter Metastasen (v. a Pankreas und gegenseitige Niere).


Es bleibt die eingeschränkte Aussage bezüglich Malignität und Grading. Hier scheinen Diffusions- und Perfusionsuntersuchungen einen Anhalt sowohl für das Grading als auch für die weitere Differenzierung zu liefern [43]. Mit der früharteriellen Phase ist auch die Detektion von kleinen und von Rezidivtumoren nach Resektion möglich [35][44].


Sonographie, Ausscheidungsurogramm und Angiographie scheinen in früheren Studien kein sicheres Staging zu erlauben [45][46].

4.1.2 Biopsie

4.3 · Konsensbasierte Empfehlung · geprüft 2022

Die Biopsie einer unklaren Raumforderung der Niere sollte nur erfolgen, wenn dies die Therapiewahl beeinflussen könnte.

Konsens
Konsens
Literatur
[33] [34] [35]
4.4 · Konsensbasierte Empfehlung · geprüft 2022

Eine Biopsie soll vor ablativer Therapie durchgeführt werden.

Konsens
Starker Konsens
Literatur
[36] [37] [38]
4.5 · Konsensbasierte Empfehlung · geprüft 2022

Zystische Raumforderungen sollten nicht biopsiert werden.

Konsens
Starker Konsens
Literatur
[36] [37] [38]
4.6 · Konsensbasierte Empfehlung · geprüft 2022

Wenn bislang keine histopathologische Sicherung eines Nierenzellkarzinoms und des Subtyps vorliegt, soll eine Biopsie aus dem Primarius oder einer Metastase vor systemischer Therapie erfolgen.

Konsens
Starker Konsens
Literatur
[36] [37] [38]
4.7 · Konsensbasierte Empfehlung · geprüft 2022

Bei metastasierter Erkrankung kann vor geplanter zytoreduktiver Nephrektomie eine Biopsie durchgeführt werden.

Konsens
Konsens
Literatur
[36] [37] [38]
4.8 · Konsensbasierte Empfehlung · geprüft 2022

Die Biopsie soll als Stanzzylinderbiopsie erfolgen. Es sollten mindestens 2 Biopsien unter Ultraschall- oder CT-Kontrolle entnommen werden.

Konsens
Starker Konsens
Literatur
[36] [37] [38]
Hintergrund

Die Nierentumorbiopsie wurde in den letzten Jahren zunehmend für folgende Fragestellungen evaluiert:
  • Zur histologischen Sicherung und Klassifikation von primären Tumoren der Niere unklarer Dignität.
  • Zur Selektion von Patienten mit kleinen Tumoren, bei denen eine Operation der Niere aus anderen Gründen nach Möglichkeit vermieden werden soll und/oder eine alternative fokale Therapie geplant ist (RFA oder Kryoablation). Hier kann durch eine präoperative Biopsie ggf. eine unnötige Therapie vermieden werden.
  • Zur histologischen Sicherung vor systemischer Therapie, wenn kein histopathologischer Befund des Primärtumors vorliegt. Ziel hierbei ist, die Indikation zur Therapie mittels Targeted Therapien abzusichern und ggf. eine auf den Subtyp optimierte Therapie zu wählen.
  • Um andere Nierenraumforderungen wie Abszess, Lymphom oder eine Metastase bei bekanntem oder vermutetem extrarenalen Primarius auszuschließen.
Hinsichtlich der Indikationsstellung zur Biopsie vor einer geplanten Operation gilt der prinzipielle Grundsatz, dass keine invasive Diagnostik ohne ggf. folgende Konsequenz durchgeführt werden sollte. Sofern Therapeut und/oder Patient unabhängig vom Biopsieergebnis ohnehin die (organerhaltende) operative Therapie eines Tumors anstreben-z. B. aufgrund der Größe des Befundes, Angst vor falsch negativen Biopsiebefunden etc.-ist keine präoperative Biopsieindikation gegeben. Auf der anderen Seite ist bei T1- T2-Tumoren, bei denen dennoch a priori eine komplette Nephrektomie geplant oder die Konversion zu dieser im Rahmen einer organerhaltenden Operation nicht unwahrscheinlich ist, die Indikation eher großzügig zu stellen. In einer retrospektiven Analyse bei 204 Patienten hatten Tan et al. unabhängige Risikofaktoren identifiziert, bei denen signifikant häufiger eine Indikation zur Biopsie vor der Operation gestellt wurde. Dies waren ein erhöhter BMI (> 25), eine Hilus-nahe Lokalisation und komplexe Tumoren (R.E.N.A.L. Score > 9) [47][48].
Die präoperative Biopsie kann die Sicherung eines benignen Befundes vor einer ursprünglich geplanten Operation ermöglichen und damit potenziell die Anzahl an Operationen bei nicht malignen Nierentumoren reduzieren. Volpe et al. fanden hierzu in der Literatur eine beschriebene Reduktion der Operationen im Allgemeinen um ca. 16 %, bei jedoch persistenter Gefahr einer Untertherapie aufgrund falsch negativer Einschätzung [49].
Datenlage systematische Reviews/Metaanalysen
Insbesondere aufgrund der zunehmenden Anzahl an neu diagnostizierten kleinen Raumforderungen der Niere (Englisch: small renal mass; Abkürzung SRM) und der alternativen Therapiemodalitäten für diese SRMs ist die Literatur zur Biopsie mittlerweile als umfangreich zu werten. Neben zahlreichen Einzelpublikationen wurden hierzu 3 Review-Artikel veröffentlicht: Volpe et al. publizierten im Mai 2012 in European Urology ein systematisches Review, in das initial 716 Artikel Eingang fanden. Nach Ausschluss zu kleiner Serien, irrelevanter Artikel und von Fallstudien wurden für die Analyse am Ende 112 Artikel berücksichtigt [49].
Lane et al. führten eine Metaanalyse publizierter Ergebnisse der Nierentumorbiopsie durch, welche im Januar 2008 im Journal of Urology erschien. Die Autoren fassten hierzu 27 Studien mit insgesamt 2474 biopsierten Tumoren aus dem Zeitraum vor 2001, sowie 10 weitere Studien mit 589 Patienten aus dem Zeitraum von 2001-2007 zusammen [50].
Phé et al. publizierten 2011 im British Journal of Urology ein Review inklusive einer zusammenfassenden Analyse von 16 Studien aus den Jahren 2000-2010 mit insgesamt 1442 biopsierten Tumoren [51].
Technische Aspekte
Die Biopsie kann als Stanz- oder Aspirationsbiopsie durchgeführt werden, wobei die diagnostische Sicherheit bei Stanzbiopsien in der Regel höher, die Interpretation weniger untersucherabhängig und die Beurteilung von Grad und Subtyp häufiger möglich ist [49][52].

Aktuelle Arbeiten beschreiben eine Verbesserung der Aussagekraft durch die Kombination der Feinnadel-Aspirationszytologie mit der Biopsie [53][54][55] (Methodik: ex-vivo, prospektiv n=57; rand. prospektiv n=90; retrospektiv n=290). Jedoch basieren die weit überwiegende Mehrzahl der veröffentlichten Daten und deren Metaanalysen auf der Methodik der Stanzbiopsie und deren Ergebnissen. Zudem lag in der Arbeit von Barwari et al. die Streubreite zwischen den 5 untersuchenden Pathologen bei der Aspirationszytologie zwischen 72 % und 93 % korrekter Einschätzungen, während sie für die Befundung der Stanzbiopsie nur zwischen 81 % und 90 % variierte.
Eine Biopsie sollte aus Sicherheitsaspekten in jedem Fall in coaxialer Technik durchgeführt werden (s. u.). Hinsichtlich der Anzahl der Biopsien und der Nadelgröße gibt es schwache Evidenzen für eine Biopsieoptimierung durch die Durchführung von mindestens zwei Biopsien und der Verwendung einer Nadelgröße von 18 Gauge. In einer kleinen (n=31) prospektiven Ex-vivo-Studie wurde nachgewiesen, dass die diagnostische Sicherheit mit einer 18-Gauge-Nadel höher liegt, als bei Verwendung einer 14- oder 20-Gauge-Nadel (97 % vs. 94/81 %) [56]. Alle in der Literaturzusammenfassung von Volpe et al. beschriebenen Studien hatten 18-Gauge-Nadeln verwendet [49]. In einer prospektiven Ex-vivo-Untersuchung bei 48 Tumoren konnte ein signifikanter Informationsgewinn gezeigt werden, wenn mindestens zwei statt einer Biopsie durchgeführt worden waren [57]. Bei Tumoren > 4 cm ist die diagnostische Aussagekraft durch Biopsie der Peripherie im Vergleich zur zentralen Biopsie verbessert [58]. Nekrotische Anteile eines Tumors sind möglichst auszusparen.
Bei fehlender Evidenz aus einem direkten, prospektiven Vergleich zwischen sonographischer und CT-graphischer Steuerung der Biopsie ist für den individuellen Fall das am geeignetsten erscheinende Verfahren zu wählen [49].
Ergebnisse
In einer Zusammenschau von 9 großen Biopsie-Serien (insgesamt n=1330 Tumoren) aus den letzten 10 Jahren zeigt sich eine diagnostische Genauigkeit („Accuracy“) zum Nachweis eines malignen Tumors zwischen 86 % und 100 % bzw. eine Sensitivität von 93,5-97,7 % bei einer Spezifität von 100 % [49]. Für den histologischen Subtyp eines Nierenzellkarzinoms wird die Aussagegenauigkeit zwischen 86 % und 100 %, für die korrekte Bewertung des Gradings nur zwischen 46-76 % der Fälle aus den 9 aufgeführten Serien zitiert. Der Anteil der als „diagnostisch“ bewerteten Biopsien betrug zwischen 78 % und 100 %.

In der Metaanalyse von Lane et al. errechnen die Autoren eine diagnostische Genauigkeit hinsichtlich der Diagnose eines Karzinoms von 88,9 % (Range 40-100 %) für die Biopsie-Serien vor 2001, verglichen mit einer Genauigkeit von 96 % (Range 93- 100 %) für die Serien nach 2001. Die für die Serien nach 2001 errechneten Prozentsätze an Biopsien, die entweder keine ausreichende Gewebegewinnung erzielten oder nicht suffizient pathologisch beurteilt werden konnten, betrugen 5,2 % und 3,8 % [50].
In der Literaturübersicht von Phé, die z. T. mit obigen Arbeiten sich überschneidende Quellen aufweist, wurden ebenfalls die Ergebnisse von 16 Arbeiten mit insgesamt 1442 Tumoren zusammengefasst. Der errechnete Mittelwert bezüglich des positiv prädiktiven Wertes (PPV) der Biopsie lag hierbei bei 100 %, der des negativ prädiktiven Wertes (NPV) bei 75 % und die mittlere Aussagegenauigkeit lag bei 94,5 % für die Diagnose eines Nierenzellkarzinoms. Die Aussagegenauigkeiten hinsichtlich Tumorgrad und Tumor-Subtyp lagen im Mittel bei 72,4 % und 89,5 %. Der Prozentsatz der nicht-diagnostischen Biopsien wurde mit 11 % gemittelt [51].

Hinsichtlich der Wertigkeit einer Re-Biopsie bei Vorliegen einer initial nicht-diagnostischen Biopsie beschreiben Menogue et al. in einer aktuellen retrospektiven Analyse eine Erfolgsrate von 94 % (16/17) [59]. Ähnliche Werte werden durch Leveridge beschrieben (83 %, n=10/12) [60].
Hinsichtlich der Wertigkeit einer Re-Biopsie bei Vorliegen einer initial nicht- diagnostischen Biopsie beschreiben Menogue et al. in einer aktuellen retrospektiven Analyse eine Erfolgsrate von 94 % (16/17) [59]. Ähnliche Werte werden durch Leveridge beschrieben (83 %, n=10/12) [60].

Abel et al. fanden retrospektiv eine signifikant höhere Aussagekraft für eine aus dem Primärtumor entnommene Biopsie (n=166), verglichen mit Biopsien aus einer Metastase (n=239) [61]. Die ebenfalls untersuchte Sensitivität der Biopsien zur Detektion einer sarkomatoiden Dedifferenzierung eines Tumors betrug lediglich 7-11 % (Spezifität: 99 %), die Übereinstimmung des Fuhrman-Grades zwischen Biopsie und Operationspräparat war in dieser Serie nur in 38 % gegeben. Im selben Jahr (2012) beschrieben Menogue et al. in einer retrospektiven Serie von 268 SRM ebenfalls die Fuhrman-Grad-Konkordanz. Hier betrug der Anteil an identisch zum Hauptpräparat befundeten Biopsien 69 % , während 24 % bzw. 7 % der 72 untersuchten cT1a-Tumoren up- bzw. down-gegraded wurden [59].
In Zukunft könnte der Einsatz von molekularen Markern an der Biopsie einerseits in unklaren Fällen zur Diagnosesicherung, andererseits zur Differenzierung der Prognose und damit zur Therapieentscheidung beitragen. Die unbefriedigende Aussagekraft der Biopsie beim Grading könnte hierdurch potentiell objektivierbarer und präziser werden.
Zystische Tumoren
Die Biopsie von zystischen Tumoren gilt bislang als kontraindiziert. Grund hierfür ist zum einen die vermeintlich geringe Wahrscheinlichkeit, in einer zystischen Läsion gerade die soliden Anteile des Befundes mit einer Biopsie zu erfassen, die den Ausschluss eines malignen Befundes zulassen. Zum anderen besteht bei der Punktion eines zystischen Nierenzellkarzinoms potentiell die Gefahr, dass es durch Austritt der Zystenflüssigkeit im Rahmen der Punktion zu einer Verbreitung von Tumorzellen kommen kann.

Konträr hierzu wird die Punktion zystischer Tumoren in einigen Arbeiten befürwortet und hierfür auch eine hohe Aussagekraft postuliert [62][63][64]. Jedoch fehlt in diesen retrospektiven Studien eine dezidierte Analyse, ob durch die Punktion zystischer Tumoren ein erhöhtes Risiko für Lokalrezidive oder Tumorseeding besteht. Die beschriebenen Nachsorgeintervalle besitzen hierzu auch keine ausreichende Aussagekraft: Bei Lang et al. waren 12 % der untersuchten Patienten Lost in Follow-up, das mediane Follow-up der verbliebenen 199 Patienten (davon nur 21 mit einem gesicherten malignen Tumor) betrug im Mittel 5,6 Jahre, mit einem Minimum von 2 Jahren [62]. Bei der Serie von Harisinghani et al. betrug das mediane Nachsorge-intervall der nicht-operierten Patienten lediglich 18 Monate, Angaben zu etwaigen Lokalrezidiven oder Ähnlichem wurden auch hier nicht gemacht [63] [63]. Lechevallier et al. machen keine Angaben zum Nachsorgezeitraum, beschreiben lediglich, dass in den endgültigen pathologischen Befunden kein Tumorzell-Nachweis entlang des Biopsiekanals beschrieben wurde [64].

Hinsichtlich der diagnostischen Aussagekraft sind die Ergebnisse der publizierten Literatur im Vergleich zur Biopsie solider Tumoren insgesamt uneinheitlich [49]. Vor dem Hintergrund des ungeklärten Sicherheitsaspektes und in Analogie zum chirurgischen Grundsatz, zystische Tumoren im Rahmen einer Operation möglichst nicht zu eröffnen, erscheint dies auch unabhängig von der grundsätzlichen Frage der Aussagekraft Begründung genug, weiterhin die Biopsie von zystischen Tumoren in der Regel der Fälle als kontraindiziert anzusehen.

Sicherheit
Durch die Verwendung von koaxialen Biopsie-Nadelsystemen scheint die Gefahr der Kontamination des Stichkanals mit Tumorzellen minimiert worden zu sein. Berichte über solche Metastasen sind insgesamt sehr selten und wurden nie bei Stanzbiopsien unter Verwendung dieser Systeme beschrieben. Signifikante Komplikationen - vor allem relevante Blutungen mit Transfusionspflicht und die Ausbildung eines signifikanten Pneumothorax - werden in der Literatur mit einer Häufigkeit von 1-2 % beschrieben [49][50].

4.1.3 Pathologie

4.9 · Konsensbasierte Empfehlung · modifiziert 2024

Der histologische Typ des Nierenzellkarzinoms soll nach der aktuellen WHO-Klassifikation bestimmt werden.

Konsens
Starker Konsens (100%)
ÄnderungshinweisDer histologische Typ des Nierenzellkarzinoms soll nach der aktuellen WHO-Klassifikation bestimmt werden. Zusätzliche in der Vancouver-Klassifikation der Nierenzellkarzinome der Inter­nationalen Gesellschaft für Urologische Pathologie (ISUP) empfohlene Tumortypen sollen diagnostiziert werden. Dies betrifft insbesondere folgende neue Kategorien epithelialer Tumoren: Tubulozystisches Nierenzellkarzinom, Nierenzellkarzinom assoziiert mit einer erworbenen zystischen Nierenerkrankung, Klarzelliges papilläres Nierenzellkarzinom, Translokations-assoziierte Nierenzellkarzinome, Nierenzellkarzinome assoziiert mit einer hereditären Leiomyomatose.
4.10 · Konsensbasierte Empfehlung · geprüft 2022

Die aktuellen Empfehlungen der TNM-Klassifikation sollen angewendet werden. Der Tumorgrad soll bei klarzelligen und papillären Nierenzellkarzinomen nach WHO-ISUP-Grading angegeben werden. Zusätzlich sollte der prozentuale Anteil von Tumornekrosen angegeben werden.

Konsens
Starker Konsens
4.11 · Konsensbasierte Empfehlung · geprüft 2022

Chromophobe Nierenzellkarzinome sollten nicht graduiert werden.

Konsens
Starker Konsens
4.12 · Konsensbasierte Empfehlung · geprüft 2022

Das papilläre Nierenzellkarzinom sollte in zwei Untergruppen eingeteilt werden (Typ 1 und Typ 2).

Konsens
Starker Konsens
4.13 · Konsensbasierte Empfehlung · geprüft 2022

Eine sarkomatoide und/oder rhabdoide Differenzierung des Nierenzellkarzinoms soll falls vorhanden angegeben werden.

Konsens
Starker Konsens

Hintergrund zu 4.9 bis 4.13

Die Empfehlungen basieren auf Expertenkonsens und bestehenden Leitlinien (4.9: [65][66]; 4.10: [65][67]; 4.11: [[67]; 4.12: [65][66]; 4.13:[65].

Die WHO-Klassifikation von 2004 legte eine umfassende histopathologische Klassifikation von Nierenzellkarzinomen vor. Diese Modifikation war notwendig, da zahlreiche neue Tumorentitäten beschrieben wurden.Dies bildete die Grundlage für die Definition zahlreicher neuer Tumorentitäten in der WHO-Klassifikation von 2016 und weiterer vor allem molekular definierter neuer Tumorentitäten in der WHO-Klassifikation von 2022.

Insgesamt wird in der WHO-Klassifikation von 2022 die Diagnostik folgender Nierenzelltumoren empfohlen:

Nierenzelltumoren

Klarzellige Nierentumoren

  • Klarzelliges Nierenzellkarzinom
  • Multilokulärer zystischer Nierenzelltumor mit niedrig malignem Potential

Papilläre Nierentumoren

  • Papilläres Adenom
  • Papilläres Nierenzellkarzinom

Onkozytische und chromophobe Nierentumoren

  • Onkozytom
  • Chromophobes Nierenzellkarzinom
  • Onkozytäre Nierentumoren, NOS

Sammelgangtumoren

  •  Sammelgang (Ductus Bellini)-Karzinom

Andere Nierentumoren

  • Klarzelliges papilläres Nierenzelltumor
  • Muzinöses tubuläres und spindelzelliges Nierenzellkarzinom
  • Tubulozystisches Nierenzellkarzinom
  • Nierenzellkarzinom assoziiert mit einer erworbenen zystischen Nierenerkrankung
  • Eosinophiles solid und zystisches Nierenzellkarzinom
  • Nierenzellkarzinom, NOS

Molekular definierte Nierenzellkarzinome

  • TFE3-transloziertes Nierenzellkarzinom
  • TFEB-transloziertes Nierenzellkarzinom
  • ELOC-mutiertes Nierenzellkarzinom
  • Fumarathydratase-defizientes Nierenzellkarzinom
  • Succinathydratase-defizientes Nierenzellkarzinom
  • ALK-tranloziertes Nierenzellkarzinom
  • SMARCB1-defizientes medulläres Nierenzellkarzinom     

Metanephrische Tumoren

  • Metanephrisches Adenom
  • Metanephrisches Adenofibrom
  • Metanephrischer Stromatumor

Gemischte mesenchymale und epitheliale Tumoren

  • Gemischter epithelialer Stromatumor (MEST)
  • Adultes zystisches Nephrom
  • Pädiatrisches zystisches Nephrom

Mesenchymale Nierentumoren bei Erwachsenen

  • Angiomyolipom
    • Onkozytisches Angiomyolipom
    • Angiomyolipom mit epitehlialen Zysten (AMLEC)
    • Epitheloides Angiomyolipom
  • Hemangioblastom
  • Juxtaglomerularzelltumor
  • Renomedullärer interstitieller Tumor

Pädiatrische mesenchymale Nierentumoren

  • Ossifizierender Nierentumor des Säuglingsalters
  • Mesoblastisches Nephrom
  • Maligner Rhabdoidtumor der Niere
  • Klarzellsarkom der Niere

Nephroblastische Tumoren

  • Nephrogene Reste
  • Nephroblastom
  • Zystisches partiell differenziertes Nephroblastom
  • Metastatische Nierenzellkarzinome

Der Tumorgrad des Nierenzellkarzinoms soll nach dem WHO-Grading-System angegeben werden. Es gibt eine eindeutige Korrelation des Differenzierungsgrades mit der Prognose bei klarzelligen und bei papillären Nierenzellkarzinomen. Weiterhin wurde festgelegt, dass chromophobe Nierenzellkarzinome zurzeit nicht gradiert werden sollten. Weiterhin wurde festgelegt, dass chromophobe Nierenzellkarzinome gradiert werden sollten, aber unterschiedliche Systeme zur Verfügung stehen, die weiter evaluiert werden müssen. Es wurden weitere histopathologische Faktoren diskutiert. Dabei ist eine sarkomatoide und rhabdoide Differenzierung (Grad 4) eindeutig mit einer schlechteren Prognose assoziiert und soll separat angegeben werden.

Der Anteil der Nekrosen ist ein histopathologischer Faktor für eine schlechtere Prognose und sollte im histopathologischen Befund angegeben werden.

Seit 2017 ist eine Neuauflage der TNM verfügbar, welche ggf. Änderungen zur Vorversion aufweist [Wittekind, Christian (Hrsg) et al. 2017].

4.1.4 Ausbreitungsdiagnostik

4.14 · Konsensbasierte Empfehlung · geprüft 2022

Bei asymptomatischen Patienten mit malignen Tumoren über 3 cm sollte ein Thorax-CT durchgeführt werden.

Konsens
Konsens
4.15 · Konsensbasierte Empfehlung · geprüft 2022

Bei klinischem Anhalt für ossäre Metastasen soll eine Bildgebung durchgeführt werden. Dabei soll der Ganzkörper-CT (Low-Dose) oder der –MRT der Vorzug vor der Skelettszintigraphie gegeben werden.

Konsens
Konsens
4.16 · Konsensbasierte Empfehlung · geprüft 2022

Bei Patienten mit Nierenzellkarzinom und Verdacht auf cerebrale Metastasen soll eine kontrastmittelverstärkte Schädel-MRT durchgeführt werden.

Konsens
Starker Konsens

Hintergrund

Bei Tumoren ab 3 cm sollte ein Thorax-CT durchgeführt werden, da dann die Wahr­scheinlichkeit einer Metastasierung ansteigt. Die CT hat die wesentlich höhere Sensitivität und Spezifität beim Nachweis von pulmonalen Metastasen [40][68][69][70].

Eine Schädel-MRT soll bei klinischem Verdacht durchgeführt werden, da diese besser geeignet ist, die Metastase und das Ödem im Hirn darzustellen.

4.2 Prognosemarker und -scores

4.2.1 Prognosescores

4.17 · Konsensbasiertes Statement · geprüft 2022

Performance Status, das Auftreten von Metastasen in Abhängigkeit vom Zeitpunkt und vom Ort, Symptome, hämatologische Parameter (Hb-Wert, Anzahl der Thrombozyten, Neutrophilen), LDH sind klinische prognostische Faktoren.

Konsens
Konsens
4.18 · Evidenzbasiertes Statement · geprüft 2022

Es existieren für verschiedene Zeitpunkte des Krankheits- und Therapieverlaufs beim Nierenzellkarzinom validierte multifaktorielle Modelle, die in ihrer Aussage­genauigkeit präziser sind als einzelne Tumorcharakteristika.

Evidenzlevel
2++
Konsens
Starker Konsens
Literatur
[71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90] [91] [92] [93] [94] [95] [96] [97] [98] [99] [100] [101] [102] [103] [104] [105] [106] [107] [108] [109] [110] [111] [112]
4.19 · Konsensbasiertes Statement · geprüft 2022

Bei der Beratung von Patienten mit Nierenzellkarzinom können multifaktorielle Modelle zur Prognoseabschätzung Verwendung finden. Die beschriebene bzw. validierte Präzision eines Modells ist hierbei jedoch zu beachten.

Konsens
Starker Konsens

Zum Hintergrund siehe die folgenden Kapitel

4.3 Nomogramme

Präambel


Im Vergleich zu vielen anderen Entitäten gilt das Nierenzellkarzinom als schwierig zu prognostizieren. Im klinischen Alltag stellen das „Tumor-Nodes-Metastasis“-System (TNM) und das Grading die wichtigste Charakterisierung eines Tumors dar. Für die Nierentumoren wurde das TNM-System seit 1997 dreimal überarbeitet. Doch auch die letzte Version aus dem Jahr 2010 weist Schwächen in der prognostischen Vorhersage­kraft auf und ist diesbezüglich eventuell sogar der Vorgängerversion unterlegen [113]. Resultierend aus der prognostischen Unsicherheit bei der alleinigen Verwendung des TNM-Systems haben einige Autoren Modelle entwickelt, die unter Einbeziehung von pathologischen Parametern und paraklinischen Größen eine Risikostratifizierung ermöglichen sollen.
Wichtigstes Gütekriterium für den klinischen Nutzen eines multivariablen Prognose­modells ist der Nachweis der Zunahme der Vorhersagegenauigkeit über die einer univariablen Kenngröße hinaus. Ein akzeptiertes Maß ist hier z. B. der sogenannte Concordance Index (C-Index) für zeitabhängige Endpunkte (z. B. Überleben) [114]. Mit einem Wert von 1 bzw. 100 % wäre eine ideale Vorhersagegenauigkeit beschrieben. Ein Wert von 0,5 bedeutet, dass das Model nur die Sicherheit eines Münzwurfes aufweist. Werte zwischen 0,5-0,7 gelten als gering akkurat, zwischen 0,7-0,9 als akzeptabel und bei Werten > 0,9 ist eine sehr hohe Präzision gegeben [115].
Im Folgenden werden diejenigen Modelle beschrieben, für die neben der primären Entwicklung mit Nachweis eines Zuwachses an prognostischer Aussagekraft auch eine Validierung publiziert wurde. Diese besitzen damit einen Nutzwert im Sinne einer verbesserten individuellen Prognoseabschätzung, die per externer Validierung erwiesenermaßen auch auf andere Patientenkollektive übertragbar ist. Solche Modelle existieren für die Zeitpunkte prä- und postoperativ sowie vor Initiierung einer systemischen Therapie.
Für die klinische Anwendbarkeit ist neben der Aussagegenauigkeit auch die Quantität und Qualität der Variablen sowie die Form der Umsetzung (Entscheidungsbaum, Formel, Nomogramm) maßgeblich. Letztere bestimmt die „Benutzerfreundlichkeit“ in der Anwendung und die Einteilung in Risikogruppen (kategorisierte vs. kontinuier­liche Risikodarstellung).
Weist ein Modell darüber hinaus eine außerordentlich hohe Verbreitung im Rahmen einer Fragestellung auf, so begünstigt dies die Vergleichbarkeit von unterschied­lichen Studien zu dieser Fragestellung unabhängig davon, ob das Modell das präziseste in diesem Setting ist (z. B. MSKCC- oder Motzer-Score bei systemischen Therapien).
Obwohl einige Modelle in der prä-TKI-Ära entwickelt wurden, konnte für viele ihre persistente Gültigkeit zur Stratifizierung in dezidierte Risikogruppen auch an aktuel­len Kollektiven validiert werden. Allerdings ist hier zu beachten, dass die dabei beobachteten Überlebenszeiträume z. T. erheblich länger sind als dies noch in den Originalpublikationen der Fall war. Lag  z. B. in der ersten Publikation des MSKCC-Scores [91] das mediane Überleben in der guten Prognosegruppe nur bei 19,9 Monaten, so betrug es in der Validierung durch Karakiewicz et al. [80] bereits 35 Monate. Dies drückt sicherlich auch den erreichten Fortschritt der letzten Jahre in der systemischen Therapie dieser Entität aus und ist deshalb unbedingt in der Beratung und Therapieplanung zu berücksichtigen.

4.4 Präoperative Modelle

4.4.1 Cindolo-Formel

Cindolo et al. entwickelten eine Formel anhand präoperativer Variablen zur Vorhersage des Rezidivrisikos bei geplanter Operation [75]:

  • Risikowert=1,28 x Symptompunkte + 0,13 x Tumordurchmesser (in cm)
  • Symptompunkte: asymptomatisch=0; symptomatisch=1

Der daraus resultierende Risikowert ermöglicht eine signifikante (p < 0.001; Wilcoxon-Test) Aufteilung in eine der 2 Risikogruppen:

  • ≤ 1,2=niedriges Risiko: 2- und 5-Jahres-Rezidivfreiheit 96 % bzw. 93 %
  • > 1,2=hohes Risiko: 2- und 5-Jahres-Rezidivfreiheit 83 % bzw. 68 %

Externe Validierung
Siehe UISS-Validierung [76].
Offensichtlich ist ein Model basierend auf präoperativen Variablen einem postopera­tiven Modell unterlegen, da Letzteres u. a. über die präziseren pathologischen Infor­mationen zur T-Kategorie verfügen kann. Zudem kategorisiert diese Formel lediglich in 2 Gruppen, was die Präzision verringert, die Praktikabilität im Vergleich zu einer kontinuierlichen Risikoabschätzung z. B. eines Nomogramms aber erhöht.

4.4.2 Yaycioglu-Formel

Sehr ähnlich der Cindolo-Formel publizierten Yaycioglu et al. eine einfache Formel zur Berechnung des Rezidivrisikos bei geplanter Tumornephrektomie, ebenfalls basierend auf klinischem Erscheinungsbild und Tumordurchmesser [99]:

  • Risikowert=1,55 x Symptompunkte + 0,19 x maximaler Durchmesser (in cm)
  • Symptompunkte: asymptomatisch=0; symptomatisch=1

Der daraus resultierende Wert ermöglicht eine statistisch signifikante (p < 0.001; Wilcoxon-Test) Auftrennung in 2 Risikogruppen:

  • ≤ 3=niedriges Risiko: 2- und 5-Jahres-Rezidivfreiheit 98 % bzw. 92 %
  • > 3=hohes Risiko: 2- und 5-Jahres-Rezidivfreiheit 67 % bzw. 57 %

Externe Validierung
Siehe auch hier UISS-Validierung. Bei Betrachtung des Endpunktes „Gesamtüberleben“ war die Konkordanz (C-Index) mit 0,589 vs. 0,615 bei der Yaycioglu- im Vergleich zur Cindolo-Formel geringfügig schlechter [76]. Es gelten die gleichen Einschränkungen, die oben bei der Cindolo-Formel beschrieben wurden.

4.4.3 Karakiewicz präoperative Nomogramme

Siehe Kapitel 4.2.

4.5 Postoperative Modelle

4.5.1 UCLA Integrated Staging System (UISS-Model)

Das von Zismann et al. beschriebene UISS-Model kategorisiert Patienten in Risiko-gruppen hinsichtlich ihrer Prognose zum Endpunkt Gesamtüberleben (OS) [101]. Es wurde kurze Zeit später anhand eines größeren Kollektivs auch hinsichtlich der End­punkte Progressionsfreiheit und krebsspezifisches Überleben (CSS) validiert und dann von den Autoren durch eine „decision box“ vereinfacht [103][102][102].

Hierbei existiert je eine Modell-Variante für nicht metastasierte und metastasierte Krankheitsverläufe, die dann jeweils in einer Art Entscheidungsbaum zu einer Risikoklasse führen (low, intermediate, high).
Als Besonderheit wurde später durch die Arbeitsgruppe ein risikogruppenadaptiertes Nachsorgeschema anhand der beobachteten Lokalisationen, Zeitpunkte und Häufig­keiten für ein Rezidiv entwickelt [83]. Dieses stellt die einzige Nachsorgeempfehlung beim Nierenzellkarzinom dar, die auf einer statistischen Auswertung metastasierter Verläufe basiert. Siehe hierzu auch Kapitel 10.2.
Endpunkte: Gesamt- und tumorspezifisches Überleben, Progressionsfreiheit
Population: Alle histologischen Subtypen
Faktoren im Modell:

  • T-Kategorie (1997), N-Kategorie und M-Kategorie
  • ECOG-Performance Status
  • Fuhrman-Grad

Informationsqualität am Entwicklungsdatensatz: keine Angaben
Informationsqualität bei Validierung an einem zweiten, erweiterten Datensatz: keine Angabe (nur Plots) [102]

Externe Validierungen
In einer Kurzveröffentlichung präsentierten die Autoren eine Validierung an einem er­weiterten Datensatz, bei dem aber keine Angaben zur Konkordanz gemacht wurden, sondern nur Plots dargestellt sind [102].
Cindolo et al. verglichen in einer externen Validierungsstudie das UISS-Model, das Kattan-Nomogramm, die Yaycioglu-Formel und ihre eigene Formel [76]. Die beobach­te­ten Konkordanz-Raten (C-Indices) für den Endpunkt OS waren 0,706 (Kattan), 0,683 (UISS), 0,615 (Cindolo) und 0,589 (Yaycioglu).
Cindolo et al. führten zudem eine zweite, separate externe Validierung des UCLA-Modells durch [74]. Hier zeigte sich, dass das Modell generell eine zu kurze, also schlechtere Prognose hinsichtlich des OS abgab, als dies in der Validierungskohorte tatsächlich beobachtet wurde. Dies galt insbesondere für die Extreme. Hinsichtlich der Fähigkeit, die Risikogruppen zu diskriminieren, wurde aber eine gute Trenn­schärfe beobachtet, weshalb die Autoren eine Neukalibrierung des Modells empfahlen [74].
An einer sehr großen Kohorte von 4.202 Patienten aus 8 internationalen Zentren wurde eine weitere Validierung des UISS-Models durchgeführt [93]. Mit einem Gesamt-C-Index von 0,809 bewies das Modell eine gute Vorhersagegenauigkeit für die Gruppe der lokalisierten Tumoren, für die Gruppe der metastasierten Patienten lag der Wert aber nur bei 0,651.
Eine weitere Validierung an 2 europäischen und dem erweiterten UCLA-Datensatz wurde von Han et al. publiziert [104]. Auch hier konnte für das Modell eine hohe Kon­kordanz von 79-86 % festgestellt werden. Die Gruppe der insgesamt 1.060 Patienten umfasste nur lokalisierte Tumoren.
Ficarra et al. führten eine externe Validierung und einen Vergleich mit dem SSIGN-Score durch (siehe Kapitel 4.5.7.) [110].

4.5.2 Karakiewicz-Nomogramme

Von der Arbeitsgruppe aus Montreal wurden zum Nierenzellkarzinom 5 Nomo­gramme publiziert: zwei zur Abschätzung des Risikos für das Vorhandensein von Metastasen, eines zur CSS-Einschätzung prä- und eines postoperativ sowie ein weiteres Nomogramm für die Prognoseabschätzung unter targeted therapy mit Bevacizumab. Letzteres wurde aber bislang nicht validiert und wird im Sinne der Fragestellung nach validierten Modellen deshalb hier nicht näher erörtert.

4.5.3 Präoperatives Nomogramm „distante Metastasen“

Endpunkt: Prädiktion des Vorhandenseins distanter Metastasen
Faktoren im Nomogramm:

  • Tumordurchmesser
  • Symptome

Konkordanz bei Validierung an einem zweiten, externen Datensatz: 85,2 % [108].

4.5.4 Präoperatives Nomogramm „nodale Metastasen“

Endpunkt: Prädiktion des Vorhandenseins nodaler Metastasen
Faktoren im Nomogramm:

  • Tumordurchmesser
  • Alter
  • Symptomatik

Konkordanz bei Validierung an einem zweiten, externen Datensatz: 78,4 % [109].

4.5.5 Präoperatives Nomogramm

Endpunkt: Nierenzellkarzinom-spezifisches Überleben
Faktoren im Nomogramm:

  • Alter
  • Geschlecht
  • klinische T-Kategorie
  • Vorhandensein einer Metastasierung
  • Tumordurchmesser
  • Symptome

Konkordanz bei Validierung an einem zweiten, externen Datensatz: 86,8 % (2 Jahre), 86,8 % (5 Jahre) [79].

4.5.6 Postoperatives Nomogramm

Endpunkt: Nierenzellkarzinom-spezifisches Überleben
Faktoren im Nomogramm:

  • T-Kategorie (2002), N- und M-Kategorien (je 0 vs. 1)
  • Tumordurchmesser   
  • Fuhrman-Grad
  • Symptome

Konkordanz am Entwicklungsdatensatz: 86,3 %. Konkordanz bei Validierung an einem zweiten, externen Datensatz: 89,2 % (2 Jahre postoperativ), 86,7 % (5 Jahre). Vergleich mit UISS-Score bei Validierung am externen Datensatz: UISS-Konkordanz 86,1 % (2 Jahre), 83,9 % (5 Jahre) [78].
Alle Nomogramme enthielten in ihren Datensätzen auch Patienten mit nicht-klarzelligen Tumoren. Der histologische Subtyp erreichte im postoperativen Nomo­gramm nicht unabhängigen Prädiktorstatus. Die Übertragbarkeit des Fuhrman-Gradings auf Tumoren des papillären Subtyps ist aber kritisch zu sehen.

Externe Validierungen
Neben der durch die Autoren jeweils selbst durchgeführten Validierung Ihrer Nomo­gramme an je einem zusätzlichen Datensatz (nicht für die Entwicklung verwendet), wurde eine externe Validierung der beiden Letztgenannten mit einem Datenset von 3911 europäischen Patienten durch Cindolo et al. durchgeführt [73]. Hier bestätigte sich eine gute Vorhersagegenauigkeit der perioperativen Nomogramme mit einem Harrell-C-Index von 0,783 (0,753-0,814) für das prä- und 0,842 (0,816-0,867) für das postoperative Nomogramm.
Eine weitere externe Validierung des postoperativen Nomogramms und Vergleich mit dem Kattan-Nomogramm, dem Sorbellini-Nomogramm und dem Leibovich-Score wurde von Tan et al. durchgeführt. Hier zeigte das Karakiewicz-Nomogramm zu allen 3 untersuchten Endpunkten (CSS, OS und Rezidivfreiheit) die höchste Aussage­präzision [97].

4.5.7 SSIGN-Score

Frank et al. entwickelten etwa zeitgleich zum UISS-Modell dieses klinische Modell an einem Kollektiv von 1.800 Patienten [111]. Je nach Befund der einzelnen Variable werden hierbei entsprechend Punkte vergeben, die dann zu einem „Score“ summiert werden. Dieser Score weist einen Werterahmen von 0-15 auf und unterteilt die Patienten in 10 Risikogruppen (≥ 10 entspricht der schlechtesten Prognosegruppe, ein Score von 0-1 der besten Prognose).
Endpunkt: Nierenzellkarzinom-spezifisches Überleben postoperativ
Population: Nur klarzellige Nierenzellkarzinome
Kategorisierte Faktoren im Modell:

  • T-Kategorie (1997),
  • N (pN0/pNx vs. pN1-2)
  • M-Kategorie (0 vs. 1)
  • Tumordurchmesser (≥ vs. < 5 cm)
  • Fuhrman-Grad
  • Tumornekrose vorhanden

Konkordanz am Entwicklungsdatensatz: 0,841
Zu beachten ist, dass die Gruppe der pT4-Tumoren trotz offensichtlich ungünstiger Prognose mit einem Punktewert von 0 belegt wurde (pT1 ebenfalls 0, pT3 entspricht 2 Punkten). Diese paradoxe Einstufung resultiert aus einer Überlappung von simultan bestehenden, negativen Faktoren der pT4-Patienten in der Entwicklungskohorte, so dass in der Auswertung die pT-Kategorie für diese Patienten letztlich prognostisch irrelevant wurde.

Externe Validierung
Zigeuner et al. validierten retrospektiv den SSIGN-Score an einem großen euro­päischen Kollektiv mit 1.931 klarzelligen Tumoren (ccRCC) [100]. Der C-Index bezüglich der Prognose des CSS lag bei 0,823.
An einem Datensatz von 388 Patienten (nur klarzelliges Nierenzellkarzinom) validierten und verglichen Ficarra et al. den SSIGN-Score und das UISS-Modell [110]. Die Aussagegenauigkeiten betrugen hierbei 0,87 und 0,832 (SSIGN-Score bzw. UISS). Limitiert auf die nicht-metastasierten Verläufe war die Genauigkeit beider Modelle etwas schlechter (0,830 SSIGN-Score, 0,760 UISS-Model).

4.5.8 Leibovich-Score

Aus derselben Arbeitsgruppe wie der SSIGN-Score stammt dieses Modell der kategori­sierten Prognoseabschätzung, deren Endpunkt aber im Gegensatz zum SSIGN-Score das metastasenfreie Überleben ist [84]. Auch hier erfolgt anhand einer Gesamtsumme an Punkten aus den einzelnen Faktoren eine Zuteilung in eine der jetzt 8 Risiko­gruppen. Diese wurden hier jedoch in 3 Hauptgruppen-gute, intermediäre oder schlechte Prognose-zusammengefasst. Für Letztere beispielsweise ergibt sich dann hieraus ein Risiko für eine Metastasierung innerhalb von 3 Jahren von 63 % . Die ein­gehenden Faktoren sind bis auf das Fehlen der M-Kategorie mit dem SSIGN-Score identisch, die Grenzwerte (z. B. Durchmesser, TNM-Version) und die resultierenden Punktewerte für einen Befund (z. B. pT4: 0 vs. 2) zum Teil jedoch nicht.
Endpunkt: metastasenfreies Überleben, postoperativ
Population: Nur klarzellige Nierenzellkarzinome, nur lokalisierte Tumoren
Kategorisierte Faktoren im Modell:

  • T-Kategorie (2002),
  • N (pN0 und pNx vs. pN1-2)
  • Tumordurchmesser (> vs. < 10 cm)
  • Fuhrman-Grad
  • Tumornekrose

Konkordanz am Entwicklungsdatensatz: 0,819

Externe Validierung
Wie oben geschildert, wurde von Tan et al. eine externe Validierung durchgeführt, hierbei auch mit den Endpunkten OS und CSS [97]. Das Modell war hinsichtlich der Aussagegenauigkeit dem Karakiewicz-Nomogramm unterlegen.
Pichler et al. führten eine retrospektive externe Validierung an einem großen euro­päischen Kollektiv mit knapp 1.800 Patienten durch [95]. Das metastasenfreie Über­leben wurde hier mit einer Genauigkeit von 0,778 (C-Index) vorhergesagt.
Pichler et al. führten eine zweite Validierung des Leibovich-Scores durch [96]. Neben der Bestätigung des C-Index von 0,79 führten die Autoren zudem eine Berechnung durch, bei der das Modell durch den kategorisierten Faktor „Neutrophilen-Lympho­zyten-Verhältnis“ ergänzt wurde. Hierdurch konnten die Autoren die prädiktive Aussagekraft des Leibovich-Scores um 2 % (C-Index: 0,81) erhöhen.

4.5.9 Kattan-Nomogramm

Eines der ersten multivariablen Modelle für das Nierenzellkarzinom stellt das Kattan-Nomogramm aus dem MSKCC dar [81]. Es wurde an einem Kollektiv von 601 Patienten entwickelt, wovon 66 ein Rezidiv im Nachbeobachtungszeitraum entwickelten.
Endpunkt: 5-Jahres-progressionsfreies Überleben postoperativ
Population: Klarzellige, papilläre und chromophobe Nierenzellkarzinome, nur lokalisierte Tumoren
Faktoren im Modell:

  • T-Kategorie (1997),
  • Tumordurchmesser   
  • Histologischer Subtyp
  • Symptome

Konkordanz am Entwicklungsdatensatz („bootstrapping“-Analyse): 0,74
Für die Variable „Symptome“ codieren asymptomatische und lokal symptomatische Tumoren im Nomogramm nur mit einem marginalen Punktewertunterschied. Die Autoren ermittelten in der multivariaten Analyse nur für den Durchmesser und für den histologischen Subtyp eine unabhängig prädiktive Aussagekraft, dennoch wurden auch die anderen Faktoren in das Nomogramm integriert.

Externe Validierung
Hupertan et al. führten an einem europäischen Kollektiv (n=565) eine externe Vali­dierung durch [107]. Der C-Index des Kattan-Nomogramms für die Vorhersage des PFS lag hierbei aber nur bei 0,607.

Cindolo et al. verglichen in einer externen Validierungsstudie das UISS-Model, das Kattan-Nomogramm, die Yaycioglu-Formel und ihre eigene Formel [76] (siehe auch UISS-Score). Für das Kattan-Nomogramm waren die Konkordanz-Raten (C-Indices) 0,706 (OS) und 0,771 (CSS). Für den eigentlichen Endpunkt des Nomogramms-progressionsfreies Überleben-betrug der Wert 0,807, allerdings lagen nur bei 152 der 2.400 Patienten Daten hinsichtlich des Progressionszeitpunktes vor.

Mit der Fragestellung, ob die 2010 durchgeführte Modifikation des TNM-Systems die Aussagekraft des Kattan-Nomogramms beeinträchtigt, führten Veeratterapillay et al. an einem kleinen Kollektiv von 291 Patienten eine Validierung durch [98]. Die Autoren beschrieben keinen signifikanten Unterschied in der Prädiktion bei der Verwendung des 2002er- und des 2010er-TNM-Systems. Die Publikation weist aber methodische Schwächen auf (keine ROC-/C-Index-Analyse, Kalibrierungsplots o. ä.).

4.5.10 Sorbellini-Nomogramm

Dieses Nomogramm stellt quasi eine Weiterentwicklung des Kattan-Nomogramms aus derselben Arbeitsgruppe dar. Es wurde entwickelt, um die 5-Jahres-Rezidivfreiheit bei Patienten (n=833) mit lokalisiertem klarzelligen Nierenzellkarzinom nach Operation vorherzusagen [116]. Durch die Beschränkung auf den klarzelligen Subtyp konnten die Autoren im Vergleich zum Kattan-Nomogramm weitere, für das klarzellige Nierenzellkarzinom als spezifisch beschriebene, Faktoren integrieren.
Endpunkt: 5-Jahres-rezidivfreies Überleben postoperativ
Population: Nur klarzellige Nierenzellkarzinome, lokalisierte Tumoren
Kategorisierte Faktoren im Modell:

  • T-Kategorie (2002)
  • Tumordurchmesser    
  • Fuhrman-Grad
  • Tumornekrose
  • Gefäßinvasion
  • Symptome

C-Index bei Validierung an einem zweiten, externen Datensatz: 0,82
Ähnlich wie beim Kattan-Nomogramm ermittelten die Autoren in der multivariaten Analyse nur für 2 der 6 Faktoren eine unabhängig prädiktive Aussagekraft (Gefäß­invasion und Fuhrman-Grad), dennoch wurden auch die anderen Faktoren in das Nomogramm integriert.

Externe Validierungen
Wie oben geschildert wurde von Tan et al. eine externe Validierung durchgeführt, hierbei auch mit den Endpunkten OS und CSS [97]. Das Modell war hinsichtlich der Aussagegenauigkeit dem Karakiewicz-Modell unterlegen.

4.5.11 Papilläres Nomogramm

Dieses Nomogramm aus einer multizentrischen Kohorte von ausschließlich papillären Nierenzellkarzinomen wurde 2010 publiziert [82]. Hierzu verwendeten die Autoren 258 Patienten aus 2 Zentren, um das Nomogramm zu entwickeln und 177 Patienten eines weiteren Zentrums für die anschließende externe Validierung.
Endpunkt: 5-Jahres-Nierentumor-spezifisches Überleben postoperativ
Population: Nur papilläre Nierenzellkarzinome, lokalisiert und metastasiert
Faktoren im Modell:

  • T-Kategorie (unklar welche Version, nur Hauptkategorien verwendet (T1-4)
  • M-Kategorie    
  • Gefäßinvasion
  • Nekrose
  • Symptome (inzidentes vs. symptomatisches Nierenzellkarzinom)

Konkordanz für den Entwicklungsdatensatz („bootstrapping“-Analyse): 93,6 %
Konkordanz für einen separaten Validierungsdatensatz: 94,2 %
Auffällig bei diesem Nomogramm ist die außergewöhnlich hohe Konkordanz, wobei die Autoren auch für  z. B. den einzelnen Faktor „T-Kategorie“ einen ungewöhnlich hohen C-Index von 81,3 % beobachteten, obwohl nur die groben Hauptkategorien der T-Kategorie verwendet wurden. Es fand eine histopathologische Beurteilung mit Unterscheidung der Typen 1 und 2 nach Delahunt [77] statt. In der multivariablen Analyse war diese aber, wie auch der zweistufige (low/high) Tumorgrad, kein unab­hängiger Risikofaktor.

4.6 Modelle vor systemischer Therapie

4.6.1 MSKCC-Risikobewertung

Dieses älteste und gleichzeitig am meisten verbreitete Prognosemodell beim Nieren­zellkarzinom wurde initial 1999 publiziert [91]. An 670 Patienten, die z. T. in den 70er Jahren und mit verschiedensten Schemata behandelt worden waren, entwickelte die Arbeitsgruppe einen Risikoscore aus 5 unabhängigen Prognosefaktoren. Hieraus konnte dann in Abhängigkeit von der Anzahl an vorhandenen negativen Faktoren eine Zuordnung zu einer Risikogruppe durchgeführt werden: gute (0 Faktoren), intermediäre (1-2 Faktoren), oder schlechte Prognose (> 2).


Der Score wurde 2002 an einem 476 Patienten großen Kollektiv (nur Interferon-Therapie) überarbeitet und die negative Variable „nicht erfolgte Tumornephrektomie“ gegen „Zeitraum seit Erstdiagnose < 12 Monate“ ersetzt [89]. In dieser Form findet es heute noch in vielen Studien Verwendung.


Endpunkt: Gesamtüberleben unter Interferon-Therapie


Metastasierte Nierenzellkarzinome, unter Anti-VEGF-Therapie


Risikofaktoren im Modell:

  • Karnofsky Performance Status (< 80 %) 
  • LDH (> 1,5 über dem Normwert)
  • Hämoglobin unter dem Normwert
  • Erhöhtes korrigiertes Serumkalzium (> 10 mg/dl)
  • Zeitraum von der Erstdiagnose bis Beginn der systemischen Therapie < 1 Jahr

Konkordanz für den Entwicklungsdatensatz („bootstrapping“-Analyse): keine Angaben
Diese gebräuchlichste Form wurde 2004 erneut von den Autoren überarbeitet und auf 3 Faktoren (Hb und Kalziumwert, Karnofsky) gekürzt, die Kohorte bestand hier allerdings aus Patienten die in 2nd-line-Studien eingeschlossen worden waren [90].

Externe Validierung
Aufgrund seines Einsatzes als Einteilung bzw. Einschlusskriterium für diverse Phase-II-/III-Studien ist der MSKCC-Score sicher das verbreitetste Prognosemodell beim Nierenzellkarzinom. Neben diesen „klinischen Einsätzen“ wurde es zudem wiederholt extern validiert:
Mekhail et al. führten an 353 Patienten eine Validierungsstudie durch und bestätigten die signifikanten Unterschiede der 3 MSKCC-Prognosegruppen bei sehr ähnlichen medianen Überlebenszeiten je Gruppe im Vergleich zur Originalpublikation (keine Konkordanz-Statistiken etc.) [88].
Patil et al. untersuchten unabhängige Risikofaktoren für das Gesamtüberleben unter Sunitinib-1st-line-Therapie und zeigten, dass alle 5 Faktoren des MSKCC-Modells auch unter der TKI-Therapie weiterhin unabhängige Prädiktoren sind [94].
Im Rahmen der Entwicklung ihres eigenen Nomogramms validierten Karakiewicz et al. auch erneut den MSKCC-Score. Die Aussagegenauigkeit lag hier jedoch nur bei 52-65 % [80].

4.6.2 IMDC-Risikobewertung

Dieses Modell stellt den ersten spezifisch für die targeted Therapien entwickelten Prognosescore dar [106]. Ähnlich dem Motzer-Score werden die Patienten nach Anzahl der vorhandenen Risikofaktoren in eine gute (0 Faktoren), intermediäre (1-2) oder schlechte Prognosegruppe (≥ 3) eingeteilt. Die 645 Patienten wurden entweder mit Sunitinib, Bevacizumab oder Sorafenib behandelt, ggf. auch nach vorhergehender Immuntherapie. Patienten mit primärer Anti-mTor-Therapie wurden ausgeschlossen.
Endpunkt: 2-Jahres-Überleben
Metastasierte Nierenzellkarzinome, vor Anti-VEGF-Therapie
Risikofaktoren im Modell:

  • Hämoglobin niedriger als Normwert
  • Korrigiertes Serumkalzium höher als Normwert
  • Karnofsky Performance Status < 80 %
  • Neutrophilen-Anzahl höher als Normwert
  • Thrombozyten höher als Normwert
  • Zeitraum von der Diagnose Nierenzellkarzinom bis Beginn Sunitinib (≤ 12 Monate)

Konkordanz für den Entwicklungsdatensatz („bootstrapping“-Analyse): 0,73.

Externe Validierung
Bei der Entwicklung und Validierung ihres Modells überprüften Bamias et al. auch die Heng-Kriterien [71]. Hierbei lagen die Konkordanzen für das Heng-Modell aber nur bei 0,574 und 0,576 (Entwicklungs- bzw. Validierungsdatensatz).
Zudem externe Validierung durch Heng et al. [105], siehe auch Kapitel 4.7

4.6.3 International Kidney Cancer Working Group-Modell (IKCWG )

Dieser Prognosescore wurde an 3748 Patienten mit metastasiertem Nierenzellkarzinom entwickelt, wobei die Patienten des Entwicklungsdatensatzes mit Zytokinen oder Best Supportive Care behandelt worden waren [87]. Die dann ebenfalls durchgeführte externe Validierung an einem externen Datensatz beinhaltete aber ausschließlich Patienten, die Anti-VEGF therapiert worden waren. Erneut wird hier in eine gute, intermediäre oder schlechte Prognosegruppe hinsichtlich des OS eingeteilt, allerdings basierend auf einem zu berechnenden Risiko-Score (25.- und 75.-Perzentile der Risikoverteilung).


Risikofaktoren im Modell:

  • ECOG
  • Anzahl der Metastasenlokalisationen
  • Vorausgegangene Immuntherapie
  • Hämoglobin
  • LDH
  • Leukozytenzahl
  • Serumkalzium
  • Alkalische Phosphatase
  • Zeitraum von der Diagnose Nierenzellkarzinom bis zum Beginn der Therapie

Konkordanz für den Entwicklungsdatensatz („bootstrapping“-Analyse): 0,712. Konkordanz für Validierung an separatem Datensatz 0,741.
Aufgrund der hohen Anzahl an Parametern und der komplexen Auswertung für die Einteilung in eine der 3 Gruppen ist das Modell im klinischen Alltag sicher am schwierigsten zu verwenden.

Externe Validierung

Siehe Kapitel 4.7

4.7 Weitere Risikomodelle für Patienten mit metastasiertem Nierenzellkarzinom

Die folgenden beiden Modelle wurden ebenfalls für die Prognoseeinteilung vor Beginn einer systemischen Therapie entwickelt. Da für sie nur eine gemeinsame Vali­dierung durch Heng et al. publiziert ist, werden Sie im Folgenden zusammengefasst.

4.7.1 Cleveland Clinic Foundation-Modell (CCF)

Endpunkt: Progressionsfreies Überleben, n=120, metastasierte Nierenzellkarzinome, unter Anti-VEGF-Therapie (84 % SOR oder SUT)
Risikofaktoren im Modell:

  • Korrigiertes Serumkalzium < 8,5 mg/dl oder > 10,0 mg/dl
  • ECOG > 0
  • Neutrophilen-Anzahl > 4,5/nl
  • Thrombozyten höher als 300/nl
  • Zeitraum Diagnose Nierenzellkarzinom bis Beginn systemische Therapie (< 2 Jahre)

Risikogruppen:

  • good (0-1),
  • intermediate (2),
  • poor (> 2 Risikofaktoren)

Der Faktor „Serumkalzium“ zählt im Gegensatz zu den anderen Faktoren mit 2 Punkten. Konkordanz für den Entwicklungsdatensatz („bootstrapping“-Analyse): nicht angegeben [72].

4.7.2 French model

Zu diesem Modell ist den Autoren keine explizite Vollpublikation bekannt, es handelt sich vielmehr um eine im Rahmen des AVOREN-Trials angewandte Stratifizierung, basierend auf den weiterentwickelten Kriterien von Negrier [92].
Risikofaktoren im Modell:

  • ECOG > 0
  • Mehr als eine Metastasenlokalisation
  • Lebermetastasen
  • Zeitraum Diagnose Nierenzellkarzinom bis Beginn systemische Therapie (≤ 12 Monate)

Risikogruppen:

  • gut (ECOG 0 und nur eine Metastasenlokalisation)
  • intermediär (alle anderen)
  • schlecht (Leber- und andere Metastasen und mindestens ein weiterer Faktor) [92][112]

Validierung
Heng et al. publizierten 2013 eine Validierungsstudie mit einem großen Datensatz von 1.028 Patienten unter Anti-VEGF-Therapie (jetzt auch Pazopanib und Axitinib) aus 13 internationalen Zentren [105]. Erneut waren Patienten mit 1st-line-Therapie mit einem mTor-Inhibitor ausgeschlossen, ebenso alle Patienten, die bei der Entwicklung ihres Modells bereits eingeschlossen worden waren.
Die Autoren führten zudem einen aufwendigen statistischen Vergleich ihres Modells mit folgenden anderen Modellen durch:

  • MSKCC oder Motzer-Kriterien [89]
  • International Kidney Cancer Working Group-Modell [87]
  • Cleveland Clinic Foundation-Modell (CCF) [72]
  • die eigenen Heng-Kriterien/Database Consortium-Model (DCM) [106]
  • French model  [92][112]

Zusammengefasst zeigte sich hierbei ein nahezu identischer C-Index für die ersten 4 genannten Modelle (in obiger Reihenfolge: 0,657; 0,668; 0,662; 0,664). Lediglich das französische Modell lag etwa 2-3 % schlechter (0,640). Hinsichtlich der pro­gnosti­zierten Anzahl an Todesfällen zum Zeitpunkt 2 Jahre nach Therapiebeginn war das Heng-Modell am genauesten.

4.7.3 Sunitinib-Modell

Dieses Nomogramm zur Vorhersage des Gesamtüberlebens wurde 2013 an 170 Patienten mit einer Erstlinientherapie mit Sunitinib entwickelt und an einem zweiten Datensatz mit 266 Patienten validiert [71]. Es wurde nicht in der oben beschriebenen Validierungsstudie von Heng et al. untersucht. Je nach Vorhandensein der Risikofaktoren resultiert eine Zuordnung in eine von 4 Risikogruppen. Die Faktoren sind dabei bis auf das Fehlen von Lebermetastase(n) ähnlich dem französischen Modell.

Endpunkt: 5-Jahres-Nierentumor-spezifisches Überleben

Metastasierte Nierenzellkarzinome, unter Sunitinib 1st-line-Therapie

Risikofaktoren im Modell:

  • Anzahl der Metastasenlokalisationen (> 2)
  • ECOG-PS (≥ 1)
  • Zeitraum von der Diagnose Nierenzellkarzinom bis Beginn Sunitinib (≤ 12 Monate)

Konkordanz für den Entwicklungsdatensatz („bootstrapping“-Analyse): 0,712

Konkordanz für einen separaten Validierungsdatensatz: 0,634

Die Autoren führten neben der Validierung ihres Modells parallel eine Validierung der IDC-(Heng-)Kriterien am Entwicklungs- und einem separaten Validierungsdatensatz durch. Hier lag der C-Index bei 0,574 und 0,576 und damit nahe der Aussage­genauigkeit eines Münzwurfes.

4.7.4 Leibovich-Score vor Immuntherapie

Im selben Jahr (2003) wie ihr oben geschildertes Scoring-System publizierten Leibovich et al. auch noch ein Prognosemodell zur Vorhersage des CSS bei Patienten mit metastasiertem Nierenzellkarzinom nach erfolgter zytoreduktiver Nephrektomie und subsequenter IL-2-Therapie [86]. Dieses Modell wurde bislang nicht extern vali­diert und wird im Sinne der Fragestellung hier nur benannt, um die Abgrenzung zu den sehr ähnlichen SSIGN- und Leibovich-Scores (alle aus der UCLA-Arbeitsgruppe) zu verdeutlichen. Gleiches gilt für eine weitere Arbeit zur Prognosestellung bei Patienten mit metastasiertem Nierenzellkarzinom von Leibovich et al. aus dem Jahr 2005, die auch noch fast den identischen Titel trägt [85].

4.7.5 Molekulare Prognosemarker

4.20 · Konsensbasiertes Statement · geprüft 2022

Für den Einsatz von molekularen Markern zur Prognosebewertung liegt keine ausreichende Evidenz vor.

Konsens
Starker Konsens

Hintergrund
In den letzten Jahren wurde eine ganze Reihe von molekularen Markern auf verschie­denen Ebenen (DNA, RNA, Proteine) publiziert, die mit der Metastasierung sowie dem Überleben der Patienten korrelieren [117][118][119][120][121]. Einige dieser potentiellen Marker wurden vergleichend zu bestehenden prognostischen Parametern analysiert oder in bestehende Prognosescores integriert und zeigten eine Verbesserung der Prognosebewertung [122][123][124].

Jedoch konnte bisher keiner dieser Marker in der Klinik etabliert werden, da Studien zur unabhängigen oder prospektiven Validierung fehlen. 

Die Identifizierung neuer prognostischer Biomarker ist aus komplexen Hochdurch­satzanalysen mit gleichzeitiger Evaluierung mehrerer molekularer Ebenen (Mutations­analyse, Analyse der Genexpression [mRNA], der DNA-Methylierung, der miRNA-Expression, von Copy number alterations, usw.) unter Berücksichtigung des klinischen Verlaufs zu erwarten [125][126][127][128].

Literaturhinweise

[33] Hallscheidt, P., Schoenberg, S., Schenk, J. P., Zuna, I., Petirsch, O., Riedasch, G., [Multi-slice CT in the planning of nephron-sparing interventions for renal cell carcinoma: Prospective study correlated with histopathology], Röfo, 2002. 174(7): p. 898-903., http://www.ncbi.nlm.nih.gov/pubmed/12101482

[34] Hallscheidt, Peter J, Bock, Michael, Riedasch, Gerd, Zuna, Ivan, Schoenberg, Stefan O, Autschbach, Frank, et.al. Diagnostic accuracy of staging renal cell carcinomas using multidetector-row computed tomography and magnetic resonance imaging: a prospective study with histopathologic correlation, Journal of computer assisted tomography, 2004. 28(3): p. 333-339., https://pubmed.ncbi.nlm.nih.gov/15100536/

[35] Israel, G. M., Hecht, E., Bosniak, M. A., CT and MR imaging of complications of partial nephrectomy, Radiographics, 2006. 26(5): p. 1419-29., http://www.ncbi.nlm.nih.gov/pubmed/16973773

[36] Prando, A., Prando, D., Prando, P., Renal cell carcinoma: unusual imaging manifestations, Radiographics, 2006. 26(1): p. 233-44., http://www.ncbi.nlm.nih.gov/pubmed/16418254

[37] Guzzo, T. J., Pierorazio, P. M., Schaeffer, E. M., Fishman, E. K., Allaf, M. E., The accuracy of multidetector computerized tomography for evaluating tumor thrombus in patients with renal cell carcinoma, J Urol, 2009. 181(2): p. 486-90; discussion 491., http://www.ncbi.nlm.nih.gov/pubmed/19100567

[38] Hallscheidt, Peter J, Fink, Christian, Haferkamp, Axel, Bock, Michael, Luburic, Ante, Zuna, Ivan, et.al. Preoperative staging of renal cell carcinoma with inferior vena cava thrombus using multidetector CT and MRI: prospective study with histopathological correlation, Journal of computer assisted tomography, 2005. 29(1): p. 64-68., https://insights.ovid.com/crossref?an=00004728-200501000-00012

[39] Raman, Siva P, Johnson, Pamela T, Allaf, Mohamad E, Netto, George, Fishman, Elliot K, Chromophobe renal cell carcinoma: multiphase MDCT enhancement patterns and morphologic features, American Journal of Roentgenology, 2013. 201(6): p. 1268-1276., https://pubmed.ncbi.nlm.nih.gov/24261366/

[40] Sheth, S., Scatarige, J. C., Horton, K. M., Corl, F. M., Fishman, E. K., Current concepts in the diagnosis and management of renal cell carcinoma: role of multidetector ct and three-dimensional CT, Radiographics, 2001. 21 Spec No: p. S237-54., http://www.ncbi.nlm.nih.gov/pubmed/11598260

[41] Kim, Cherry, Choi, Hyuck Jae, Cho, Kyoung-Sik, Diagnostic value of multidetector computed tomography for renal sinus fat invasion in renal cell carcinoma patients, European journal of radiology, 2014. 83(6): p. 914-918., https://pubmed.ncbi.nlm.nih.gov/24713489/

[42] Karlo, C. A., Donati, O. F., Marigliano, C., Tickoo, S. K., Hricak, H., Russo, P., et.al. Role of CT in the assessment of muscular venous branch invasion in patients with renal cell carcinoma, AJR Am J Roentgenol, 2013. 201(4): p. 847-52., http://www.ncbi.nlm.nih.gov/pubmed/24059374

[43] Vargas, Hebert Alberto, Delaney, Holly G., Delappe, Eithne M., Wang, Ya, Zheng, Junting, Moskowitz, Chaya S., et.al. Multiphasic contrast-enhanced MRI: single-slice versus volumetric quantification of tumor enhancement for the assessment of renal clear-cell carcinoma fuhrman grade, Journal of magnetic resonance imaging : JMRI, 2013. 37(5): p. 1160-1167., http://www.ncbi.nlm.nih.gov/pubmed/23152173

[44] Hallscheidt, P., Hansmann, J., Schenk, J. P., Radeleff, B. A., Kauffmann, G. W., Riedasch, G., [Organ-sparing surgery of renal cell carcinoma - operative technique and findings in radiological follow-up], Röfo, 2002. 174(4): p. 409-15., http://www.ncbi.nlm.nih.gov/pubmed/11960401

[45] Engelmann, U., Schaub, T., Schweden, F., Jacobi, G. H., Thuroff, J. W., Digital subtraction angiography in staging renal cell carcinoma: comparison with computerized tomography and histopathology, J Urol, 1984. 132(6): p. 1093-6., http://www.ncbi.nlm.nih.gov/pubmed/6389902

[46] Grups, J. W., Heller, V., Comparative value of ultrasonography, computerized tomography, angiography and excretory urography in the staging of renal cell carcinoma, J Urol, 1987. 138(3): p. 482-4., http://www.ncbi.nlm.nih.gov/pubmed/3305989

[47] Tan, H. J., Jacobs, B. L., Hafez, K. S., Montgomery, J. S., Weizer, A. Z., Wood, D. P., Jr., et.al. Understanding the role of percutaneous biopsy in the management of patients with a small renal mass, Urology, 2012. 79(2): p. 372-7., https://pubmed.ncbi.nlm.nih.gov/22310755/

[48] Kutikov, A., Uzzo, R. G., The R.E.N.A.L. nephrometry score: a comprehensive standardized system for quantitating renal tumor size, location and depth, J Urol, 2009. 182(3): p. 844-53., https://pubmed.ncbi.nlm.nih.gov/19616235/

[49] Volpe, A., Finelli, A., Gill, I. S., Jewett, M. A., Martignoni, G., Polascik, T. J., et.al. Rationale for percutaneous biopsy and histologic characterisation of renal tumours, Eur Urol, 2012. 62(3): p. 491-504., http://www.ncbi.nlm.nih.gov/pubmed/22633318

[50] Lane, B. R., Samplaski, M. K., Herts, B. R., Zhou, M., Novick, A. C., Campbell, S. C., Renal mass biopsy--a renaissance?, J Urol, 2008. 179(1): p. 20-7., http://www.ncbi.nlm.nih.gov/pubmed/17997455

[51] Phé, V., Yates, D. R., Renard-Penna, R., Cussenot, O., Roupret, M., Is there a contemporary role for percutaneous needle biopsy in the era of small renal masses?, BJU Int, 2012. 109(6): p. 867-72., https://pubmed.ncbi.nlm.nih.gov/21895938/

[52] Volpe, A., Kachura, J. R., Geddie, W. R., Evans, A. J., Gharajeh, A., Saravanan, A., et.al. Techniques, safety and accuracy of sampling of renal tumors by fine needle aspiration and core biopsy, J Urol, 2007. 178(2): p. 379-86., http://www.ncbi.nlm.nih.gov/pubmed/17561170

[53] Barwari, K., Kummerlin, I. P., ten Kate, F. J., Algaba, F., Trias, I., Wijkstra, H., et.al. What is the added value of combined core biopsy and fine needle aspiration in the diagnostic process of renal tumours?, World J Urol, 2013. 31(4): p. 823-7., https://pubmed.ncbi.nlm.nih.gov/21626116/

[54] Li, G., Cuilleron, M., Zhao, A., Obadia, F., Mouracade, P., Tostain, J., et.al. Combination of core biopsy and fine-needle aspiration increases diagnostic rate for small solid renal tumors, Anticancer Res, 2012. 32(8): p. 3463-6., http://www.ncbi.nlm.nih.gov/pubmed/22843931

[55] Parks, G. E., Perkins, L. A., Zagoria, R. J., Garvin, A. J., Sirintrapun, S. J., Geisinger, K. R., Benefits of a combined approach to sampling of renal neoplasms as demonstrated in a series of 351 cases, Am J Surg Pathol, 2011. 35(6): p. 827-35., https://pubmed.ncbi.nlm.nih.gov/21552112/

[56] Breda, A., Treat, E. G., Haft-Candell, L., Leppert, J. T., Harper, J. D., Said, J., et.al. Comparison of accuracy of 14-, 18- and 20-G needles in ex-vivo renal mass biopsy: a prospective, blinded study, BJU Int, 2010. 105(7): p. 940-5., https://pubmed.ncbi.nlm.nih.gov/19888984/

[57] Hobbs, D. J., Zhou, M., Campbell, S. C., Aydin, H., Weight, C. J., Lane, B. R., The impact of location and number of cores on the diagnostic accuracy of renal mass biopsy: an ex vivo study, World J Urol, 2013. 31(5): p. 1159-64., http://www.ncbi.nlm.nih.gov/pubmed/22527673

[58] Wunderlich, H., Hindermann, W., Al Mustafa, A. M., Reichelt, O., Junker, K., Schubert, J., The accuracy of 250 fine needle biopsies of renal tumors, J Urol, 2005. 174(1): p. 44-6., http://www.ncbi.nlm.nih.gov/pubmed/15947574

[59] Menogue, S. R., O'Brien, B. A., Brown, A. L., Cohen, R. J., Percutaneous core biopsy of small renal mass lesions: a diagnostic tool to better stratify patients for surgical intervention, BJU Int, 2013. 111(4 Pt B): p. E146-51., http://www.ncbi.nlm.nih.gov/pubmed/22805186

[60] Leveridge, M. J., Finelli, A., Kachura, J. R., Evans, A., Chung, H., Shiff, D. A., et.al. Outcomes of small renal mass needle core biopsy, nondiagnostic percutaneous biopsy, and the role of repeat biopsy, Eur Urol, 2011. 60(3): p. 578-84., http://www.ncbi.nlm.nih.gov/pubmed/21704449

[61] Abel, E. J., Carrasco, A., Culp, S. H., Matin, S. F., Tamboli, P., Tannir, N. M., et.al. Limitations of preoperative biopsy in patients with metastatic renal cell carcinoma: comparison to surgical pathology in 405 cases, BJU Int, 2012. 110(11): p. 1742-6., http://www.ncbi.nlm.nih.gov/pubmed/22503066

[62] Lang, E. K., Macchia, R. J., Gayle, B., Richter, F., Watson, R. A., Thomas, R., et.al. CT-guided biopsy of indeterminate renal cystic masses (Bosniak 3 and 2F): accuracy and impact on clinical management, Eur Radiol, 2002. 12(10): p. 2518-24., http://www.ncbi.nlm.nih.gov/pubmed/12271393

[63] Harisinghani, M. G., Maher, M. M., Gervais, D. A., McGovern, F., Hahn, P., Jhaveri, K., et.al. Incidence of malignancy in complex cystic renal masses (Bosniak category III): should imaging-guided biopsy precede surgery?, AJR Am J Roentgenol, 2003. 180(3): p. 755-8., https://pubmed.ncbi.nlm.nih.gov/12591691/

[64] Lechevallier, E., André, M., Barriol, D., Daniel, L., Eghazarian, C., De Fromont, M., et.al. Fine-needle percutaneous biopsy of renal masses with helical CT guidance, Radiology, 2000. 216(2): p. 506-10., https://pubmed.ncbi.nlm.nih.gov/10924578/

[65] Tumoren, Landelijke Werkgroep Urologische, Renal cell carcinoma. Nation-wide guideline, Version: 2.0Integraal Kankercentrum Nederland (IKNL), 2010.

[66] Srigley, J. R., Delahunt, B., Eble, J. N., Egevad, L., Epstein, J. I., Grignon, D., et.al. The International Society of Urological Pathology (ISUP) Vancouver Classification of Renal Neoplasia, Am J Surg Pathol, 2013. 37(10): p. 1469-89., https://pubmed.ncbi.nlm.nih.gov/24025519/

[67] Delahunt, B., Cheville, J. C., Martignoni, G., Humphrey, P. A., Magi-Galluzzi, C., McKenney, J., et.al. The International Society of Urological Pathology (ISUP) grading system for renal cell carcinoma and other prognostic parameters, Am J Surg Pathol, 2013. 37(10): p. 1490-504., https://pubmed.ncbi.nlm.nih.gov/24025520/

[68] Bechtold, R. E., Zagoria, R. J., Imaging approach to staging of renal cell carcinoma, Urol Clin North Am, 1997. 24(3): p. 507-22., http://www.ncbi.nlm.nih.gov/pubmed/9275976

[69] Heidenreich, A., Ravery, V., European Society of Oncological, Urology, Preoperative imaging in renal cell cancer, World J Urol, 2004. 22(5): p. 307-15., http://www.ncbi.nlm.nih.gov/pubmed/15290202

[70] Miles, K. A., London, N. J., Lavelle, J. M., Messios, N., Smart, J. G., CT staging of renal carcinoma: a prospective comparison of three dynamic computed tomography techniques, Eur J Radiol, 1991. 13(1): p. 37-42., http://www.ncbi.nlm.nih.gov/pubmed/1889427

[71] Bamias, A., Tzannis, K., Beuselinck, B., Oudard, S., Escudier, B., Diosynopoulos, D., et.al. Development and validation of a prognostic model in patients with metastatic renal cell carcinoma treated with sunitinib: a European collaboration, Br J Cancer, 2013. 109(2): p. 332-41., http://www.ncbi.nlm.nih.gov/pubmed/23807171

[72] Choueiri, T. K., Garcia, J. A., Elson, P., Khasawneh, M., Usman, S., Golshayan, A. R., et.al. Clinical factors associated with outcome in patients with metastatic clear-cell renal cell carcinoma treated with vascular endothelial growth factor-targeted therapy, Cancer, 2007. 110(3): p. 543-50., https://pubmed.ncbi.nlm.nih.gov/17577222/

[73] Cindolo, L., Chiodini, P., Brookman-May, S., De Cobelli, O., May, M., Squillacciotti, S., et.al. Assessing the accuracy and generalizability of the preoperative and postoperative Karakiewicz nomograms for renal cell carcinoma: results from a multicentre European and US study, BJU Int, 2013. 112(5): p. 578-84., http://www.ncbi.nlm.nih.gov/pubmed/23470199

[74] Cindolo, L., Chiodini, P., Gallo, C., Ficarra, V., Schips, L., Tostain, J., et.al. Validation by calibration of the UCLA integrated staging system prognostic model for nonmetastatic renal cell carcinoma after nephrectomy, Cancer, 2008. 113(1): p. 65-71., http://www.ncbi.nlm.nih.gov/pubmed/18473356

[75] Cindolo, L., de la Taille, A., Messina, G., Romis, L., Abbou, C. C., Altieri, V., et.al. A preoperative clinical prognostic model for non-metastatic renal cell carcinoma, BJU Int, 2003. 92(9): p. 901-5., http://www.ncbi.nlm.nih.gov/pubmed/14632843

[76] Cindolo, L., Patard, J. J., Chiodini, P., Schips, L., Ficarra, V., Tostain, J., et.al. Comparison of predictive accuracy of four prognostic models for nonmetastatic renal cell carcinoma after nephrectomy: a multicenter European study, Cancer, 2005. 104(7): p. 1362-71., http://www.ncbi.nlm.nih.gov/pubmed/16116599

[77] Delahunt, B., Eble, J. N., Papillary renal cell carcinoma: a clinicopathologic and immunohistochemical study of 105 tumors, Mod Pathol, 1997. 10(6): p. 537-44., http://www.ncbi.nlm.nih.gov/pubmed/9195569

[78] Karakiewicz, P. I., Briganti, A., Chun, F. K., Trinh, Q. D., Perrotte, P., Ficarra, V., et.al. Multi-institutional validation of a new renal cancer-specific survival nomogram, J Clin Oncol, 2007. 25(11): p. 1316-22., http://www.ncbi.nlm.nih.gov/pubmed/17416852

[79] Karakiewicz, P. I., Suardi, N., Capitanio, U., Jeldres, C., Ficarra, V., Cindolo, L., et.al. A preoperative prognostic model for patients treated with nephrectomy for renal cell carcinoma, Eur Urol, 2009. 55(2): p. 287-95., http://www.ncbi.nlm.nih.gov/pubmed/18715700

[80] Karakiewicz, P. I., Sun, M., Bellmunt, J., Sneller, V., Escudier, B., Prediction of progression-free survival rates after bevacizumab plus interferon versus interferon alone in patients with metastatic renal cell carcinoma: comparison of a nomogram to the Motzer criteria, Eur Urol, 2011. 60(1): p. 48-56., http://www.ncbi.nlm.nih.gov/pubmed/21190790

[81] Kattan, M. W., Reuter, V., Motzer, R. J., Katz, J., Russo, P., A postoperative prognostic nomogram for renal cell carcinoma, J Urol, 2001. 166(1): p. 63-7., http://www.ncbi.nlm.nih.gov/pubmed/11435824

[82] Klatte, T., Remzi, M., Zigeuner, R. E., Mannweiler, S., Said, J. W., Kabbinavar, F. F., et.al. Development and external validation of a nomogram predicting disease specific survival after nephrectomy for papillary renal cell carcinoma, J Urol, 2010. 184(1): p. 53-8., http://www.ncbi.nlm.nih.gov/pubmed/20478577

[83] Lam, J. S., Shvarts, O., Leppert, J. T., Pantuck, A. J., Figlin, R. A., Belldegrun, A. S., Postoperative surveillance protocol for patients with localized and locally advanced renal cell carcinoma based on a validated prognostic nomogram and risk group stratification system, J Urol, 2005. 174(2): p. 466-72; discussion 472; quiz 801., http://www.ncbi.nlm.nih.gov/pubmed/16006866

[84] Leibovich, B. C., Blute, M. L., Cheville, J. C., Lohse, C. M., Frank, I., Kwon, E. D., et.al. Prediction of progression after radical nephrectomy for patients with clear cell renal cell carcinoma: a stratification tool for prospective clinical trials, Cancer, 2003. 97(7): p. 1663-71., https://pubmed.ncbi.nlm.nih.gov/12655523/

[85] Leibovich, B. C., Cheville, J. C., Lohse, C. M., Zincke, H., Frank, I., Kwon, E. D., et.al. A scoring algorithm to predict survival for patients with metastatic clear cell renal cell carcinoma: a stratification tool for prospective clinical trials, J Urol, 2005. 174(5): p. 1759-63; discussion 1763., http://www.ncbi.nlm.nih.gov/pubmed/16217278

[86] Leibovich, B. C., Han, K. R., Bui, M. H., Pantuck, A. J., Dorey, F. J., Figlin, R. A., et.al. Scoring algorithm to predict survival after nephrectomy and immunotherapy in patients with metastatic renal cell carcinoma: a stratification tool for prospective clinical trials, Cancer, 2003. 98(12): p. 2566-75., http://www.ncbi.nlm.nih.gov/pubmed/14669275

[87] Manola, J., Royston, P., Elson, P., McCormack, J. B., Mazumdar, M., Negrier, S., et.al. Prognostic model for survival in patients with metastatic renal cell carcinoma: results from the international kidney cancer working group, Clin Cancer Res, 2011. 17(16): p. 5443-50., http://www.ncbi.nlm.nih.gov/pubmed/21828239

[88] Mekhail, T. M., Abou-Jawde, R. M., Boumerhi, G., Malhi, S., Wood, L., Elson, P., et.al. Validation and extension of the Memorial Sloan-Kettering prognostic factors model for survival in patients with previously untreated metastatic renal cell carcinoma, J Clin Oncol, 2005. 23(4): p. 832-41., http://www.ncbi.nlm.nih.gov/pubmed/15681528

[89] Motzer, R. J., Bacik, J., Murphy, B. A., Russo, P., Mazumdar, M., Interferon-alfa as a comparative treatment for clinical trials of new therapies against advanced renal cell carcinoma, J Clin Oncol, 2002. 20(1): p. 289-96., https://pubmed.ncbi.nlm.nih.gov/11773181/

[90] Motzer, R. J., Bacik, J., Schwartz, L. H., Reuter, V., Russo, P., Marion, S., et.al. Prognostic factors for survival in previously treated patients with metastatic renal cell carcinoma, J Clin Oncol, 2004. 22(3): p. 454-63., https://pubmed.ncbi.nlm.nih.gov/14752067/

[91] Motzer, R. J., Mazumdar, M., Bacik, J., Berg, W., Amsterdam, A., Ferrara, J., Survival and prognostic stratification of 670 patients with advanced renal cell carcinoma, J Clin Oncol, 1999. 17(8): p. 2530-40., http://www.ncbi.nlm.nih.gov/pubmed/10561319

[92] Negrier, S., Escudier, B., Gomez, F., Douillard, J. Y., Ravaud, A., Chevreau, C., et.al. Prognostic factors of survival and rapid progression in 782 patients with metastatic renal carcinomas treated by cytokines: a report from the Groupe Francais d'Immunotherapie, Ann Oncol, 2002. 13(9): p. 1460-8., http://www.ncbi.nlm.nih.gov/pubmed/12196373

[93] Patard, J. J., Kim, H. L., Lam, J. S., Dorey, F. J., Pantuck, A. J., Zisman, A., et.al. Use of the University of California Los Angeles integrated staging system to predict survival in renal cell carcinoma: an international multicenter study, J Clin Oncol, 2004. 22(16): p. 3316-22., https://pubmed.ncbi.nlm.nih.gov/15310775/

[94] Patil, S., Figlin, R. A., Hutson, T. E., Michaelson, M. D., Negrier, S., Kim, S. T., et.al. Prognostic factors for progression-free and overall survival with sunitinib targeted therapy and with cytokine as first-line therapy in patients with metastatic renal cell carcinoma, Ann Oncol, 2011. 22(2): p. 295-300., http://www.ncbi.nlm.nih.gov/pubmed/20657034

[95] Pichler, M., Hutterer, G. C., Chromecki, T. F., Jesche, J., Kampel-Kettner, K., Rehak, P., et.al. External validation of the Leibovich prognosis score for nonmetastatic clear cell renal cell carcinoma at a single European center applying routine pathology, J Urol, 2011. 186(5): p. 1773-7., https://pubmed.ncbi.nlm.nih.gov/21944989/

[96] Pichler, M., Hutterer, G. C., Stoeckigt, C., Chromecki, T. F., Stojakovic, T., Golbeck, S., et.al. Validation of the pre-treatment neutrophil-lymphocyte ratio as a prognostic factor in a large European cohort of renal cell carcinoma patients, Br J Cancer, 2013. 108(4): p. 901-7., https://pubmed.ncbi.nlm.nih.gov/23385728/

[97] Tan, M. H., Li, H., Choong, C. V., Chia, K. S., Toh, C. K., Tang, T., et.al. The Karakiewicz nomogram is the most useful clinical predictor for survival outcomes in patients with localized renal cell carcinoma, Cancer, 2011. 117(23): p. 5314-24., https://pubmed.ncbi.nlm.nih.gov/21567386/

[98] Veeratterapillay, R., Rakhra, S., El-Sherif, A., Johnson, M., Soomro, N., Heer, R., Can the Kattan nomogram still accurately predict prognosis in renal cell carcinoma using the revised 2010 tumor-nodes-metastasis reclassification?, Int J Urol, 2012. 19(8): p. 773-6., https://pubmed.ncbi.nlm.nih.gov/22487261/

[99] Yaycioglu, O., Roberts, W. W., Chan, T., Epstein, J. I., Marshall, F. F., Kavoussi, L. R., Prognostic assessment of nonmetastatic renal cell carcinoma: a clinically based model, Urology, 2001. 58(2): p. 141-5., http://www.ncbi.nlm.nih.gov/pubmed/11489682

[100] Zigeuner, R., Hutterer, G., Chromecki, T., Imamovic, A., Kampel-Kettner, K., Rehak, P., et.al. External validation of the Mayo Clinic stage, size, grade, and necrosis (SSIGN) score for clear-cell renal cell carcinoma in a single European centre applying routine pathology, Eur Urol, 2010. 57(1): p. 102-9., http://www.ncbi.nlm.nih.gov/pubmed/19062157

[101] Zisman, A., Pantuck, A. J., Dorey, F., Said, J. W., Shvarts, O., Quintana, D., et.al. Improved prognostication of renal cell carcinoma using an integrated staging system, J Clin Oncol, 2001. 19(6): p. 1649-57., https://pubmed.ncbi.nlm.nih.gov/11250993/

[102] Zisman, A., Pantuck, A. J., Figlin, R. A., Belldegrun, A. S., Validation of the ucla integrated staging system for patients with renal cell carcinoma, J Clin Oncol, 2001. 19(17): p. 3792-3., https://pubmed.ncbi.nlm.nih.gov/11533107/

[103] Zisman, A., Pantuck, A. J., Wieder, J., Chao, D. H., Dorey, F., Said, J. W., et.al. Risk group assessment and clinical outcome algorithm to predict the natural history of patients with surgically resected renal cell carcinoma, J Clin Oncol, 2002. 20(23): p. 4559-66., http://www.ncbi.nlm.nih.gov/pubmed/12454113

[104] Han, K. R., Bleumer, I., Pantuck, A. J., Kim, H. L., Dorey, F. J., Janzen, N. K., et.al. Validation of an integrated staging system toward improved prognostication of patients with localized renal cell carcinoma in an international population, J Urol, 2003. 170(6 Pt 1): p. 2221-4., http://www.ncbi.nlm.nih.gov/pubmed/14634383

[105] Heng, D. Y., Xie, W., Regan, M. M., Harshman, L. C., Bjarnason, G. A., Vaishampayan, U. N., et.al. External validation and comparison with other models of the International Metastatic Renal-Cell Carcinoma Database Consortium prognostic model: a population-based study, Lancet Oncol, 2013. 14(2): p. 141-8., http://www.ncbi.nlm.nih.gov/pubmed/23312463

[106] Heng, D. Y., Xie, W., Regan, M. M., Warren, M. A., Golshayan, A. R., Sahi, C., et.al. Prognostic factors for overall survival in patients with metastatic renal cell carcinoma treated with vascular endothelial growth factor-targeted agents: results from a large, multicenter study, J Clin Oncol, 2009. 27(34): p. 5794-9., https://pubmed.ncbi.nlm.nih.gov/19826129/

[107] Hupertan, V., Roupret, M., Poisson, J. F., Chretien, Y., Dufour, B., Thiounn, N., et.al. Low predictive accuracy of the Kattan postoperative nomogram for renal cell carcinoma recurrence in a population of French patients, Cancer, 2006. 107(11): p. 2604-8., http://www.ncbi.nlm.nih.gov/pubmed/17075871

[108] Hutterer, G. C., Patard, J. J., Jeldres, C., Perrotte, P., de La Taille, A., Salomon, L., et.al. Patients with distant metastases from renal cell carcinoma can be accurately identified: external validation of a new nomogram, BJU Int, 2008. 101(1): p. 39-43., https://pubmed.ncbi.nlm.nih.gov/17908261/

[109] Hutterer, G. C., Patard, J. J., Perrotte, P., Ionescu, C., de La Taille, A., Salomon, L., et.al. Patients with renal cell carcinoma nodal metastases can be accurately identified: external validation of a new nomogram, Int J Cancer, 2007. 121(11): p. 2556-61., https://pubmed.ncbi.nlm.nih.gov/17691107/

[110] Ficarra, V., Novara, G., Galfano, A., Brunelli, M., Cavalleri, S., Martignoni, G., et.al. The 'Stage, Size, Grade and Necrosis' score is more accurate than the University of California Los Angeles Integrated Staging System for predicting cancer-specific survival in patients with clear cell renal cell carcinoma, BJU Int, 2009. 103(2): p. 165-70., https://pubmed.ncbi.nlm.nih.gov/18782313/

[111] Frank, I., Blute, M. L., Cheville, J. C., Lohse, C. M., Weaver, A. L., Zincke, H., An outcome prediction model for patients with clear cell renal cell carcinoma treated with radical nephrectomy based on tumor stage, size, grade and necrosis: the SSIGN score, J Urol, 2002. 168(6): p. 2395-400., http://www.ncbi.nlm.nih.gov/pubmed/12441925

[112] Escudier, BJ, Ravaud, A, Negrier, S, Szczylik, C, Bellmunt, J, Bracarda, S, Update on AVOREN trial in metastatic renal cell carcinoma (mRCC): efficacy and safety in subgroups of patients (pts) and pharmacokinetic (PK) analysis, J Clin Oncol, 2008. 26(Suppl): p. Abstr 5025., https://doi.org/10.1200/jco.2008.26.15_suppl.5025

[113] Pichler, M., Hutterer, G. C., Chromecki, T. F., Jesche, J., Kampel-Kettner, K., Groselj-Strele, A., et.al. Predictive ability of the 2002 and 2010 versions of the Tumour-Node-Metastasis classification system regarding metastasis-free, cancer-specific and overall survival in a European renal cell carcinoma single-centre series, BJU Int, 2013. 111(4 Pt B): p. E191-5., http://www.ncbi.nlm.nih.gov/pubmed/23107473

[114] Harrell, F. E., Jr., Califf, R. M., Pryor, D. B., Lee, K. L., Rosati, R. A., Evaluating the yield of medical tests, JAMA, 1982. 247(18): p. 2543-6., http://www.ncbi.nlm.nih.gov/pubmed/7069920

[115] Hanley, J. A., McNeil, B. J., The meaning and use of the area under a receiver operating characteristic (ROC) curve, Radiology, 1982. 143(1): p. 29-36., https://pubmed.ncbi.nlm.nih.gov/7063747/

[116] Sorbellini, M., Kattan, M. W., Snyder, M. E., Reuter, V., Motzer, R., Goetzl, M., et.al. A postoperative prognostic nomogram predicting recurrence for patients with conventional clear cell renal cell carcinoma, J Urol, 2005. 173(1): p. 48-51., http://www.ncbi.nlm.nih.gov/pubmed/15592023

[117] Diagnostic and prognostic molecular markers for renal cell carcinoma: a critical appraisal of the current state of research and clinical applicability, 2009.

[118] Tan, P. H., Cheng, L., Rioux-Leclercq, N., Merino, M. J., Netto, G., Reuter, V. E., et.al. Renal tumors: diagnostic and prognostic biomarkers, Am J Surg Pathol, 2013. 37(10): p. 1518-31., http://www.ncbi.nlm.nih.gov/pubmed/24025522

[119] Hu, Q., Gou, Y., Sun, C., Ding, W., Xu, K., Gu, B., et.al. The prognostic value of C-reactive protein in renal cell carcinoma: a systematic review and meta-analysis, Urol Oncol, 2014. 32(1): p. 50.e1-8., http://www.ncbi.nlm.nih.gov/pubmed/24239465

[120] Junker, K., Ficarra, V., Kwon, E. D., Leibovich, B. C., Thompson, R. H., Oosterwijk, E., Potential role of genetic markers in the management of kidney cancer, Eur Urol, 2013. 63(2): p. 333-40., http://www.ncbi.nlm.nih.gov/pubmed/23040205

[121] Finley, D. S., Pantuck, A. J., Belldegrun, A. S., Tumor biology and prognostic factors in renal cell carcinoma, Oncologist, 2011. 16 Suppl 2: p. 4-13., http://www.ncbi.nlm.nih.gov/pubmed/21346035

[122] Klatte, T., Seligson, D. B., LaRochelle, J., Shuch, B., Said, J. W., Riggs, S. B., et.al. Molecular signatures of localized clear cell renal cell carcinoma to predict disease-free survival after nephrectomy, Cancer Epidemiol Biomarkers Prev, 2009. 18(3): p. 894-900., https://pubmed.ncbi.nlm.nih.gov/19240241/

[123] Parker, A. S., Leibovich, B. C., Lohse, C. M., Sheinin, Y., Kuntz, S. M., Eckel-Passow, J. E., et.al. Development and evaluation of BioScore: a biomarker panel to enhance prognostic algorithms for clear cell renal cell carcinoma, Cancer, 2009. 115(10): p. 2092-103., https://pubmed.ncbi.nlm.nih.gov/19296514/

[124] Sun, M., Shariat, S. F., Cheng, C., Ficarra, V., Murai, M., Oudard, S., et.al. Prognostic factors and predictive models in renal cell carcinoma: a contemporary review, Eur Urol, 2011. 60(4): p. 644-61., https://pubmed.ncbi.nlm.nih.gov/21741163/

[125] Cancer Genome Atlas Research, Network, Comprehensive molecular characterization of clear cell renal cell carcinoma, Nature, 2013. 499(7456): p. 43-9., http://www.ncbi.nlm.nih.gov/pubmed/23792563

[126] Sato, Y., Yoshizato, T., Shiraishi, Y., Maekawa, S., Okuno, Y., Kamura, T., et.al. Integrated molecular analysis of clear-cell renal cell carcinoma, Nat Genet, 2013. 45(8): p. 860-7., http://www.ncbi.nlm.nih.gov/pubmed/23797736

[127] Brooks, S. A., Brannon, A. R., Parker, J. S., Fisher, J. C., Sen, O., Kattan, M. W., et.al. ClearCode34: A prognostic risk predictor for localized clear cell renal cell carcinoma, Eur Urol, 2014. 66(1): p. 77-84., http://www.ncbi.nlm.nih.gov/pubmed/24613583

[128] Davis, C. F., Ricketts, C. J., Wang, M., Yang, L., Cherniack, A. D., Shen, H., et.al. The somatic genomic landscape of chromophobe renal cell carcinoma, Cancer Cell, 2014. 26(3): p. 319-30., http://www.ncbi.nlm.nih.gov/pubmed/25155756