Korrelation av prediktiv noggrannhet av PREDICT version 2.2 av indiska kvinnor med operationsbar bröstcancer (PREDICT)

Adjuvant terapi för bröstcancer baseras på klinikpatologiska prognostiska och prediktiva markörer. Den viktigaste prognostiska markören är fortfarande närvaron av lymfkörtelpåverkan1,2. Andra faktorer som bidrar till planering av adjuvant systemisk terapi inkluderar tumörstorlek3, grad3, hormonreceptorstatus4, Her2/neu-överuttryck5-7, proliferationsmarkörer8-9, ålder vid presentation, patientpreferenser, prestationsstatus och samsjukligheter. Exakta överlevnadsuppskattningar och den sannolika nyttan av adjuvant terapi är viktiga aspekter av information som onkologer överväger när de fattar beslut efter operation för invasiv, tidig bröstcancer. För närvarande är dessa beslut baserade på kända patologiska prognostiska faktorer inklusive tumörstorlek, tumörgrad och lymfkörtelstatus utöver de relativa riskminskningarna för eventuell adjuvant terapi1-7.

De prognostiska och prediktiva styrkorna hos olika faktorer varierar och samma faktor kan ha olika prediktivt eller prognostiskt värde beroende på den molekylära subtypen av bröstcancer. Dessa markörer är inte helt oberoende av varandra10.

Flera prediktiva modeller finns nu tillgängliga för att hjälpa till att uppskatta överlevnads- och behandlingsfördelarna för enskilda patienter.Multivariate Prediction Models (MPM) tar inte bara hänsyn till varje markör utan effekten med alla möjliga kombinationer av dessa markörer10. MPM är av två typer. De kan antingen vara multivariat prognostisk modell eller en multigen prediktiv modell. Exempel10 på multivariata prognosmodeller är IHC4-analys, Adjuvans! Online och FÖRUTSÄTT. Multigene prediktiva modeller är OncotypeDx, MammaPrint, PAM50, EndoPredict.

Webbaserade matematiska modeller som använder algoritmer för att förutsäga överlevnad med eller utan systemisk terapi efter operation, som 'Adjuvans! Online' och PREDICT V2.0 använder patientegenskaper för att förutsäga överlevnaden med eller utan behandling. Indata som krävs är tumörstorlek, antal involverade noder, tumörgrad, hormonreceptorstatus, Her2-överuttryck, Ki67 och komorbiditeter. Baserat på dessa indata med hjälp av en algoritm beräknar dessa verktyg den totala överlevnaden efter 5 och/eller 10 år. Sedan förutsäger de också vad som skulle vara fördelen med adjuvanta systemiska terapier enskilt eller med kombinationer.

Men majoriteten av dessa modeller som har utvärderats använder datauppsättningar av cancerregister på en viss geografisk plats eller singelinstitut11,12. Detta gör blind tillämpning av dessa modeller på oprövade populationer oförutsägbar. Olika studier har testat webbaserade prognosmodeller i olika populationer. 2011 publicerade Hajage D, et al sina resultat angående extern validering av 'Adjuvans! Online', i en fransk och holländsk befolkning13. Förutsägelsen var överlag välkalibrerad i de franska uppgifterna. Men det fanns oenighet i vissa undergrupper av patienter med höggradiga tumörer och HER2-överuttryck. Tillägg av HER2-status, mitotiskt index och Ki67 förbättrade förutsägelserna avsevärt. I den nederländska datamängden överskattades den totala 10-årsöverlevnaden av 'Adjuvans! Online', särskilt hos patienter under 40 år. Bhoopathy et al testade 2012 detta verktyg i en asiatisk befolkning och drog slutsatsen att även om det skiljer på god och dålig prognos, överskattar det systematiskt överlevnaden och kräver anpassning före användning i asiatisk befolkning14 .

Predict är ett onlineverktyg för prognostisering och behandlingsförmåner utvecklat i Storbritannien, med användning av cancerregistrerings- och överlevnadsdata som registrerats av Eastern Cancer Registration and Information Centre (ECRIC) för 5694 kvinnor diagnostiserade i East Anglia från 1999-2003.15The Modellen validerades i en andra kohort av 5468 kvinnor från West Midlands Cancer Intelligence Unit och är tillgänglig online (www.predict.nhs.uk) ger 5- och 10-årsöverlevnadsuppskattningar och förutsägelser om behandlingsnytta. Wong et al, testade den prediktiva noggrannheten hos PREDICT V1.0 i den sydostasiatiska befolkningen16. Det fanns 67 % kinesiska patienter medan 13 % var indianer. Medianåldern i deras studie var 50 år. De visade överensstämmelse i observerade och förutspådda OS i de flesta undergrupper utom för kvinnor som är mindre än 40 år gamla. Efter recensioner i litteratur, för bättre passform i olika grupper, uppdaterades PREDICT V1.0 till version v2.0. V2.0 motsvarar V1.0 men kalibreringen av V2.0 har förbättrats jämfört med V1.0 hos patienter som diagnostiserats under 40,17 år

Multigene prediktiva modeller som OncotypeDx, MammaPrint, PAM50, EndoPredict är restriktiva i sin användning på grund av höga kostnader, så många onkologer i Indien använder de fritt tillgängliga webbaserade matematiska modellerna, som Adjuvant Online! eller PREDICT V2.0. Det finns dock inga data som tyder på giltigheten av förutsägelser med dessa modeller hos indiska patienter. Därför föreslår vi en studie för att validera verktyget inom en prövningsmiljö, innan vi rekommenderar att det används i klinisk praxis.

Med syftet att jämföra 5-års överlevnadsuppskattningarna från Predict med observerade 5-årsresultat från TMC-datauppsättningen av indiska kvinnor som behandlats för operationsbar bröstcancer.