Einfluss eines Vorhersagemodells auf die Sentinel-Lymphknoten-Biopsie bei ursprünglich Lymphknoten-positivem, HER2-positivem Brustkrebs

Die Forscher überprüften retrospektiv die Krankenakten von 597 Patienten in vier Einrichtungen vom 1. April 2012 bis zum 30. Mai 2022. Patienten aus Einrichtung 1 (n = 386) dienten als Schulungskohorte, während diejenigen aus den anderen Einrichtungen (n = 211) als externe Validierungskohorte dienten. Eine zusätzliche unabhängige Kohorte von 119 Patienten wurde prospektiv gesammelt, um die Vorhersagekraft des Modells zu bewerten. Zu den Einschlusskriterien gehörten: 1) histologisch nachgewiesener primärer Brustkrebs ohne entfernte metastatische Läsionen, 2) HER2-positiver Status (definiert als Immunhistochemie (IHC) von 3+ Überexpression oder 2+ Expression und einem Verhältnis von ≥ 2,0 durch Fluoreszenz-in-situ-Hybridisierung). ), 3) anfänglicher axillärer Lymphknoten-positiver Status, bestätigt durch Kern- oder Feinnadelbiopsie vor NST, 4) eine vollständige neoadjuvante Standardtherapie vor der Operation und 5) vollständige klinisch-pathologische Merkmale und Behandlungsinformationen. Die Studie wurde von der Ethikkommission des Fujian Medical University Union Hospital genehmigt. Alle Patientinnen in den Trainings- und Validierungskohorten unterzogen sich nach Abschluss der NST einer Mastektomie, einer brusterhaltenden Operation, einer Bestrahlung und einer ALND-Operation. Alle Patienten in der zusätzlichen unabhängigen Kohorte wurden einer SLNB gefolgt von einer ALND unterzogen, bei der mindestens zwei SLNs unter Verwendung des Farbstoffs Methylenblau allein nachgewiesen wurden. SLNs wurden als blau gefärbte Lymphknoten definiert, die direkt von blau gefärbten Lymphgefäßen geführt werden. Der Farbstoff Methylenblau wurde 5–15 Minuten vor der SLNB allein an peritumoralen oder subareolären Stellen injiziert. Nach der Erstellung des Nomogramms zur Vorhersage des axillären pCR mit den unabhängigen Vorhersagefaktoren quantifizierten die Forscher die Vorhersageleistung des Modells mithilfe der AUC der Betriebskennlinie des Empfängers. Kalibrierungsdiagramme mit Bootstrapping und dem Hosmer-Lemeshow-Test wurden verwendet, um die Kalibrierungsleistung des Modells zu veranschaulichen, wobei p > 0,05 eine gute Anpassung anzeigt.20 Der klinische Nutzen des Modells bei der Steuerung chirurgischer Optionen wurde mithilfe einer Entscheidungskurvenanalyse durch Auftragen der Nettovorteile bewertet.21 Die interne Validierung wurde mithilfe der Bootstrap-Methode geschätzt. Die Forscher validierten das Nomogramm mithilfe einer externen Validierungskohorte der anderen Institutionen. In Anlehnung an den Youden-Index wählten die Forscher eine optimale Cutoff-Wahrscheinlichkeit zur Vorhersage des axillären pCR als Stratifizierungskriterium zur Identifizierung von Patienten, die sich nach NST einer SLNB-Operation unterzogen. Die Forscher untersuchten zusätzlich 119 Patienten, die sich einer SLNB mit entfernten ≥ 2 SLNs unterzogen, gefolgt von ALND, als unabhängige Kohorte, um die Wirkung des Nomogramms auf die genaue Identifizierung von Patienten zu bewerten. Die FNRs von SLNB wurden mit zwei verschiedenen Strategien verglichen: Durchführung einer SLNB bei allen Patienten ohne Auswahlkriterien und Durchführung einer SLNB bei Patienten, die anhand des Nomogramms mit der Cutoff-Wahrscheinlichkeit einer axillären pCR ausgewählt wurden. Diese Ergebnisse wurden mit denen der beiden vorherigen Tests verglichen.