Impatto di un modello predittivo sulla biopsia del linfonodo sentinella nel cancro al seno inizialmente linfonodo positivo, HER2 positivo

I ricercatori hanno esaminato retrospettivamente le cartelle cliniche di 597 pazienti in quattro istituti dal 1 aprile 2012 al 30 maggio 2022. I pazienti dell'istituto 1 (n = 386) sono serviti come gruppo di formazione, mentre quelli degli altri istituti (n = 211) sono serviti come gruppo di validazione esterna. Un'ulteriore coorte indipendente di 119 pazienti è stata raccolta in modo prospettico per valutare il potere predittivo del modello. I criteri di inclusione includevano: 1) carcinoma mammario primario istologicamente dimostrato senza lesioni metastatiche a distanza, 2) stato HER2-positivo (definito come immunoistochimica (IHC) di sovraespressione 3+ o espressione 2+ e un rapporto ≥ 2,0 mediante ibridazione in situ fluorescente ), 3) stato iniziale positivo dei linfonodi ascellari confermato mediante biopsia con ago sottile o centrale prima dell'NST, 4) un ciclo completo di terapia neoadiuvante standard prima dell'intervento chirurgico e 5) caratteristiche clinicopatologiche complete e informazioni sul trattamento. Lo studio è stato approvato dal comitato etico del Fujian Medical University Union Hospital. Tutte le pazienti nelle coorti di formazione e validazione sono state sottoposte a mastectomia, chirurgia conservativa del seno, radioterapia e intervento chirurgico ALND dopo aver completato l'NST. Tutti i pazienti nella coorte indipendente aggiuntiva sono stati sottoposti a SLNB seguito da ALND, che ha rilevato almeno 2 SLN utilizzando il solo colorante blu di metilene. I SLN sono stati definiti come linfonodi colorati di blu guidati direttamente da vasi linfatici colorati di blu. Il colorante blu di metilene è stato iniettato da solo nei siti peritumorali o subareolari 5-15 minuti prima del SLNB. Dopo aver costruito il nomogramma per prevedere la pCR ascellare con i fattori predittivi indipendenti, i ricercatori hanno quantificato la prestazione predittiva del modello utilizzando l'AUC della curva caratteristica operativa del ricevitore. Per illustrare il potere di calibrazione del modello sono stati utilizzati grafici di calibrazione con bootstrap e test di Hosmer-Lemeshow, con p > 0,05 che indica un buon adattamento.20 L'utilità clinica del modello nel guidare le opzioni chirurgiche è stata valutata utilizzando l'analisi della curva decisionale tracciando i benefici netti.21 La validazione interna è stata stimata utilizzando il metodo bootstrap. I ricercatori hanno convalidato il nomogramma utilizzando un gruppo di validazione esterno proveniente da altre istituzioni. Seguendo l'indice di Youden, i ricercatori hanno selezionato una probabilità di cut-off ottimale per predire la pCR ascellare come criterio di stratificazione per identificare i pazienti sottoposti a intervento chirurgico del SLNB dopo NST. I ricercatori hanno inoltre esaminato 119 pazienti sottoposti a SLNB con ≥ 2 SLN rimossi, seguiti da ALND, come coorte indipendente per valutare l'effetto del nomogramma sull'identificazione accurata dei pazienti. Gli FNR del SLNB sono stati confrontati utilizzando due diverse strategie: eseguire il SLNB in ​​tutti i pazienti senza alcun criterio di selezione ed eseguire il SLNB nei pazienti selezionati dal nomogramma con la probabilità di cut-off del pCR ascellare. Questi risultati sono stati confrontati con quelli dei due test precedenti.