Korrelation af prædiktiv nøjagtighed af PREDICT version 2.2 af indiske kvinder med operabel brystkræft (PREDICT)

Adjuverende terapi for brystkræft er baseret på klinikpatologiske prognostiske og prædiktive markører. Den vigtigste prognostiske markør er stadig tilstedeværelsen af ​​lymfeknudepåvirkning1,2. Andre faktorer, der bidrager til planlægning af adjuverende systemisk terapi, omfatter tumorstørrelse3, grad3, hormonreceptorstatus4, Her2/neu overekspression5-7, proliferationsmarkører8-9, alder ved præsentation, patientpræferencer, præstationsstatus og komorbiditeter. Nøjagtige overlevelsesestimater og den sandsynlige fordel ved adjuverende terapi er vigtige aspekter af information, som onkologer overvejer, når de træffer beslutninger efter operation for invasiv, tidlig brystkræft. I øjeblikket er disse beslutninger baseret på kendte patologiske prognostiske faktorer, herunder tumorstørrelse, tumorgrad og lymfeknudestatus ud over de relative risikoreduktioner af enhver adjuverende terapi1-7.

De prognostiske og prædiktive styrker af forskellige faktorer er variable, og den samme faktor kan have forskellig prædiktiv eller prognostisk værdi i henhold til den molekylære undertype af brystkræft. Disse markører er ikke fuldstændig uafhængige af hinanden10.

Adskillige prædiktive modeller er nu tilgængelige for at hjælpe med at vurdere overlevelses- og behandlingsfordelene for individuelle patienter.Multivariate Prediction Models (MPM) tager ikke kun hensyn til hver markør, men effekten med alle mulige kombinationer af disse markører10. MPM'er er af to typer. De kan enten være multivariat prognostisk model eller en multigen prædiktiv model. Eksempler10 på multivariate prognostiske modeller er IHC4-assay, Adjuvans! Online og FORUDSIG. Multigene prædiktive modeller er OncotypeDx, MammaPrint, PAM50, EndoPredict.

Web-baserede matematiske modeller, der bruger algoritmer til at forudsige overlevelse med eller uden systemisk terapi efter operation, som 'Adjuvans! Online' og PREDICT V2.0 bruger patientkarakteristika til at forudsige overlevelse med eller uden behandling. De nødvendige input er tumorstørrelse, antal involverede knuder, tumorgrad, hormonreceptorstatus, Her2-overekspression, Ki67 og komorbiditeter. Baseret på disse input ved hjælp af en algoritme beregner disse værktøjer den samlede overlevelse efter 5 og/eller 10 år. Så forudsiger de også, hvad der ville være den ekstra fordel ved adjuverende systemiske terapier enkeltvis eller med kombinationer.

Men størstedelen af ​​disse modeller, der er blevet evalueret, bruger datasættene fra cancerregistre i en bestemt geografisk placering eller singleinstitut11,12. Dette gør blind anvendelse af disse modeller på utestede populationer uforudsigelig. Forskellige undersøgelser har testet webbaserede prognostiske modeller i forskellige populationer. I 2011 offentliggjorde Hajage D, et al. deres resultater vedrørende ekstern validering af 'Adjuvans! Online', i en fransk og hollandsk befolkning13. Forudsigelsen var generelt velkalibreret i de franske data. Men der var uoverensstemmelse i nogle undergrupper af patienter med højgradige tumorer og HER2-overekspression. Tilføjelse af HER2-status, mitotisk indeks og Ki67 forbedrede forudsigelserne signifikant. I det hollandske datasæt blev den samlede 10-års overlevelse overvurderet af 'Adjuvans! Online', især hos patienter under 40 år. Bhoopathyet al. testede i 2012 dette værktøj i en asiatisk befolkning og konkluderede, at selvom det skelner mellem god og dårlig prognose, overvurderer det systematisk overlevelsen og kræver tilpasning før brug i asiatisk befolkning14 .

Predict er et online værktøj til prognosticering og behandlingsydelser udviklet i Storbritannien ved hjælp af kræftregistrering og overlevelsesdata registreret af Eastern Cancer Registration and Information Center (ECRIC) for 5694 kvinder diagnosticeret i East Anglia fra 1999-2003.15 Modellen blev valideret i en anden kohorte på 5468 kvinder fra West Midlands Cancer Intelligence Unit og er tilgængelig online (www.predict.nhs.uk) giver 5- og 10-års overlevelsesestimater og forudsigelser af behandlingsudbytte. Wong et al., testede den prædiktive nøjagtighed af PREDICT V1.0 i den sydøstasiatiske befolkning16. Der var 67 % kinesiske patienter, mens 13 % var indere. Medianalderen i deres undersøgelse var 50 år. De viste konkordans i observeret og forudsagt OS i de fleste undergrupper undtagen for kvinder, der var under 40 år. Efter anmeldelser i litteraturen, for bedre at passe i forskellige grupper, blev PREDICT V1.0 opdateret til version v2.0. V2.0 svarer til V1.0, men kalibreringen af ​​V2.0 er forbedret i forhold til V1.0 hos patienter diagnosticeret under 40,17 år

Multigene prædiktive modeller som OncotypeDx, MammaPrint, PAM50, EndoPredict er restriktive i deres brug på grund af høje omkostninger, og derfor bruger mange onkologer i Indien de frit tilgængelige webbaserede matematiske modeller, som Adjuvant Online! eller PREDICT V2.0. Der er dog ingen data, der tyder på gyldigheden af ​​forudsigelse ved hjælp af disse modeller hos indiske patienter. Derfor foreslår vi en undersøgelse for at validere værktøjet inden for et forsøgsmiljø, før vi anbefaler dets brug i klinisk praksis.

Med det formål at sammenligne 5-års overlevelsesestimaterne fra Predict med observeret 5-års resultat fra TMC-datasættet af indiske kvinder behandlet for operabel brystkræft.