Korelacja predykcyjnej dokładności wersji 2.2 PREDICT kobiet indyjskich z operacyjnym rakiem piersi (PREDICT)

Leczenie uzupełniające raka piersi opiera się na kliniczno-patologicznych markerach prognostycznych i predykcyjnych. Najważniejszym markerem prognostycznym jest nadal obecność zajęcia węzłów chłonnych1,2. Inne czynniki, które mają wpływ na planowanie adjuwantowej terapii ogólnoustrojowej, obejmują wielkość guza3, stopień zaawansowania 3, status receptorów hormonalnych4, nadekspresję Her2/neu5-7, markery proliferacji8-9, wiek w momencie zgłoszenia, preferencje pacjenta, stan sprawności i choroby współistniejące. Dokładne oszacowania przeżycia i prawdopodobne korzyści z terapii adjuwantowej to ważne aspekty informacji, które onkolodzy biorą pod uwagę przy podejmowaniu decyzji po operacji inwazyjnego, wczesnego raka piersi. Obecnie decyzje te opierają się na znanych patologicznych czynnikach prognostycznych, w tym na wielkości guza, stopniu zaawansowania guza i stanie węzłów chłonnych, a także na względnym zmniejszeniu ryzyka jakiejkolwiek terapii adjuwantowej1-7.

Moc prognostyczna i predykcyjna różnych czynników jest zmienna, a ten sam czynnik może mieć różną wartość predykcyjną lub prognostyczną w zależności od molekularnego podtypu raka piersi. Markery te nie są od siebie całkowicie niezależne10.

Obecnie dostępnych jest kilka modeli predykcyjnych, które pomagają w oszacowaniu korzyści związanych z przeżyciem i leczeniem poszczególnych pacjentów. Wielowymiarowe modele predykcyjne (MPM) uwzględniają nie tylko każdy marker, ale efekt z wszystkimi możliwymi kombinacjami tych markerów10. MPM są dwojakiego rodzaju. Mogą to być wielowymiarowe modele prognostyczne lub wielogenowe modele predykcyjne. Przykładami10 wieloczynnikowych modeli prognostycznych są test IHC4, Adiuwant! Online i PREDICT. Wielogenowe modele predykcyjne to OncotypeDx, MammaPrint, PAM50, EndoPredict.

Internetowe modele matematyczne, które wykorzystują algorytmy do przewidywania przeżycia z terapią ogólnoustrojową lub bez niej po operacji, takie jak „Adiuwant! Online” i PREDICT V2.0 wykorzystują charakterystykę pacjenta do przewidywania przeżycia z leczeniem lub bez leczenia. Wymagane dane wejściowe to rozmiar guza, liczba zajętych węzłów chłonnych, stopień zaawansowania guza, status receptora hormonalnego, nadekspresja Her2, Ki67 i choroby współistniejące. Na podstawie tych danych wejściowych za pomocą algorytmu narzędzia te obliczają całkowity czas przeżycia na koniec 5 i/lub 10 lat. Następnie przewidują również, jaka byłaby dodatkowa korzyść z adiuwantowych terapii ogólnoustrojowych pojedynczo lub w kombinacjach.

Jednak większość z tych modeli, które zostały ocenione, wykorzystuje zbiory danych rejestrów nowotworów w określonej lokalizacji geograficznej lub w jednym instytucie11,12. To sprawia, że ​​ślepe zastosowanie tych modeli do niesprawdzonych populacji jest nieprzewidywalne. W różnych badaniach przetestowano internetowe modele prognostyczne w różnych populacjach. W 2011 Hajage D i wsp. opublikowali swoje wyniki dotyczące zewnętrznej walidacji „Adjuvant! Online” w populacji francuskiej i holenderskiej13. Prognoza była ogólnie dobrze skalibrowana w danych francuskich. Jednak w niektórych podgrupach pacjentów z guzami o wysokim stopniu złośliwości i nadekspresją HER2 występowała rozbieżność. Dodanie statusu HER2, indeksu mitotycznego i Ki67 znacznie poprawiło prognozy. W holenderskim zbiorze danych ogólny 10-letni czas przeżycia został przeszacowany przez „Adiuvant! Online”, szczególnie u pacjentów poniżej 40 roku życia. Bhoopathy i wsp. w 2012 roku przetestowali to narzędzie w populacji azjatyckiej i doszli do wniosku, że chociaż rozróżnia dobre i złe rokowanie, systematycznie zawyża przeżycie i wymaga adaptacji przed użyciem w populacji azjatyckiej14 .

Predict to internetowe narzędzie do prognozowania i leczenia korzyści opracowane w Wielkiej Brytanii, wykorzystujące rejestrację raka i dane dotyczące przeżywalności zarejestrowane przez Centrum Rejestracji i Informacji o Raku Wschodnim (ECRIC) dla 5694 kobiet zdiagnozowanych we Wschodniej Anglii w latach 1999-2003.15 model został zwalidowany w drugiej kohorcie 5468 kobiet z West Midlands Cancer Intelligence Unit i jest dostępny online (www.predict.nhs.uk) dostarczanie szacunków przeżycia 5- i 10-letniego oraz prognoz korzyści z leczenia. Wong i wsp. przetestowali predykcyjną dokładność PREDICT V1.0 w populacji południowo-wschodniej Azji16. Było 67% chińskich pacjentów, a 13% to Hindusi. Mediana wieku w ich badaniu wynosiła 50 lat. Wykazali zgodność obserwowanego i przewidywanego OS w większości podgrup z wyjątkiem kobiet prostytutek poniżej 40 roku życia. Po przeglądach w literaturze, dla lepszego dopasowania do różnych grup, PREDICT V1.0 został zaktualizowany do wersji v2.0. Wersja 2.0 odpowiada wersji 1.0, ale kalibracja wersji 2.0 poprawiła się w porównaniu z wersją 1.0 u pacjentów, u których zdiagnozowano chorobę w wieku poniżej 40,17 lat

Wielogenowe modele predykcyjne, takie jak OncotypeDx, MammaPrint, PAM50, EndoPredict, są restrykcyjne w użyciu ze względu na wysokie koszty, dlatego wielu onkologów w Indiach korzysta z ogólnodostępnych internetowych modeli matematycznych, takich jak Adjuvant Online! lub PREDICT V2.0. Nie ma jednak danych sugerujących trafność przewidywania przy użyciu tych modeli u pacjentów z Indii. Dlatego proponujemy badanie w celu walidacji narzędzia w warunkach próbnych, przed zaleceniem jego zastosowania w praktyce klinicznej.

W celu porównania 5-letnich szacunków przeżycia z Predict z obserwowanymi 5-letnimi wynikami ze zbioru danych TMC indyjskich kobiet leczonych z powodu operacyjnego raka piersi.