Корреляция прогностической точности версии 2.2 PREDICT индийских женщин с операбельным раком молочной железы (PREDICT)

Адъювантная терапия рака молочной железы основана на клинико-патологических прогностических и прогностических маркерах. Наиболее важным прогностическим маркером по-прежнему остается поражение лимфатических узлов1,2. Другие факторы, влияющие на планирование адъювантной системной терапии, включают размер опухоли3, степень3, статус гормональных рецепторов4, гиперэкспрессию Her2/neu5-7, маркеры пролиферации8-9, возраст на момент обращения, предпочтения пациента, общее состояние и сопутствующие заболевания. Точные оценки выживаемости и вероятная польза от адъювантной терапии являются важными аспектами информации, которую онкологи учитывают при принятии решений после операции по поводу инвазивного раннего рака молочной железы. В настоящее время эти решения основаны на известных патологических прогностических факторах, включая размер опухоли, степень опухоли и состояние лимфатических узлов, в дополнение к снижению относительного риска любой адъювантной терапии1-7.

Прогностическая и прогностическая сила различных факторов варьируется, и один и тот же фактор может иметь разную прогностическую или прогностическую ценность в зависимости от молекулярного подтипа рака молочной железы. Эти маркеры не являются полностью независимыми друг от друга10.

В настоящее время доступно несколько прогностических моделей, помогающих оценить выживаемость и преимущества лечения для отдельных пациентов. Многомерные прогностические модели (MPM) учитывают не только каждый маркер, но и эффект со всеми возможными комбинациями этих маркеров10. МПМ бывают двух типов. Они могут быть либо многомерной прогностической моделью, либо мультигенной прогностической моделью. Примерами10 многомерных прогностических моделей являются анализ IHC4, адъювант! Онлайн и ПРОГНОЗ. Мультигенные прогностические модели — OncotypeDx, MammaPrint, PAM50, EndoPredict.

Веб-математические модели, которые используют алгоритмы для прогнозирования выживаемости с системной терапией или без нее после операции, такие как «Адъювант! Online» и PREDICT V2.0 используют характеристики пациентов для прогнозирования выживаемости с лечением или без него. Необходимыми входными данными являются размер опухоли, количество вовлеченных узлов, степень опухоли, статус гормональных рецепторов, сверхэкспрессия Her2, Ki67 и сопутствующие заболевания. На основе этих входных данных с использованием алгоритма эти инструменты рассчитывают общую выживаемость через 5 и/или 10 лет. Затем они также прогнозируют дополнительные преимущества адъювантной системной терапии по отдельности или в комбинации.

Однако большинство этих моделей, которые были оценены, используют наборы данных раковых регистров в определенном географическом месте или институте одиноких людей11,12. Это делает слепое применение этих моделей к непроверенным популяциям непредсказуемым. В различных исследованиях тестировались прогностические модели на основе Интернета в разных популяциях. В 2011 г. Hajage D. и соавт. опубликовали свои результаты относительно внешней валидации адъюванта! Онлайн», среди населения Франции и Нидерландов13. Прогноз был в целом хорошо откалиброван по французским данным. Но было несоответствие в некоторых подгруппах пациентов с опухолями высокой степени злокачественности и гиперэкспрессией HER2. Добавление статуса HER2, митотического индекса и Ki67 значительно улучшило прогнозы. В голландском наборе данных общая 10-летняя выживаемость была завышена с помощью «Адъюванта! Онлайн», особенно у пациентов моложе 40 лет. В 2012 г. Бхоопатия и др. протестировали этот инструмент на азиатском населении и пришли к выводу, что, хотя он различает хороший и плохой прогноз, он систематически переоценивает выживаемость и требует адаптации перед использованием в азиатском населении14. .

Predict — это онлайн-инструмент прогнозирования и лечения, разработанный в Великобритании с использованием данных о регистрации рака и выживаемости, зарегистрированных Восточным центром регистрации и информации о раке (ECRIC) для 5694 женщин, диагностированных в Восточной Англии в период с 1999 по 2003 год.15 модель была проверена на второй когорте из 5468 женщин из отдела разведки рака Уэст-Мидлендса и доступна в Интернете (www.predict.nhs.uk). предоставление оценок 5- и 10-летней выживаемости и прогнозов эффективности лечения. Вонг и др. проверили прогностическую точность PREDICT V1.0 в популяции Юго-Восточной Азии16. 67% пациентов были китайцами, а 13% - индийцами. Средний возраст в их исследовании составил 50 лет. Они показали соответствие наблюдаемой и прогнозируемой ОС в большинстве подгрупп, за исключением женщин моложе 40 лет. После обзоров в литературе, для лучшего соответствия различным группам, PREDICT V1.0 был обновлен до версии v2.0. Версия 2.0 эквивалентна версии 1.0, но калибровка версии 2.0 улучшена по сравнению с версией 1.0 у пациентов в возрасте до 40 лет.17

Мультигенные прогностические модели, такие как OncotypeDx, MammaPrint, PAM50, EndoPredict, ограничены в использовании из-за высокой стоимости, поэтому многие онкологи в Индии используют свободно доступные математические модели в Интернете, такие как Adjuvant Online! или ПРОГНОЗ версии 2.0. Однако нет данных, свидетельствующих о достоверности предсказания с использованием этих моделей у индийских пациентов. Поэтому мы предлагаем провести исследование для проверки инструмента в условиях испытаний, прежде чем рекомендовать его использование в клинической практике.

С целью сравнить оценки 5-летней выживаемости от Predict с наблюдаемыми 5-летними результатами из набора данных TMC об индийских женщинах, получавших лечение от операбельного рака молочной железы.