PREDICT 2.2 版对印度女性可手术乳腺癌预测准确性的相关性 (PREDICT)

乳腺癌的辅助治疗基于临床病理预后和预测标志物。最重要的预后标志物仍然是淋巴结受累的存在 1, 2。 有助于规划辅助全身治疗的其他因素包括肿瘤大小 3、等级 3、激素受体状态 4、Her2/neu 过度表达 5-7、增殖标志物 8-9、就诊年龄、患者偏好、体能状态和合并症。 准确的生存估计和辅助治疗的可能益处是肿瘤学家在为浸润性早期乳腺癌手术后做出决定时考虑的重要信息。 目前，这些决定是基于已知的病理预后因素，包括肿瘤大小、肿瘤分级和淋巴结状态，以及任何辅助治疗的相对风险降低 1-7。

不同因素的预后和预测强度是可变的，同一因素根据乳腺癌的分子亚型可能具有不同的预测或预后价值。 这些标记并不完全相互独立 10。

现在有几种预测模型可用于帮助估计个体患者的生存和治疗益处。多变量预测模型 (MPM) 不仅考虑了每个标记，还考虑了这些标记的所有可能组合的影响 10。 MPM 有两种类型。 它们可以是多变量预后模型或多基因预测模型。 多变量预后模型的示例 10 是 IHC4 测定、Adjuvant! 在线和预测。 多基因预测模型有 OncotypeDx、MammaPrint、PAM50、EndoPredict。

基于网络的数学模型使用算法来预测手术后有或没有全身治疗的生存率，例如“佐剂！ Online' 和 PREDICT V2.0 使用患者特征来预测接受或不接受治疗的生存率。 所需的输入是肿瘤大小、涉及的淋巴结数量、肿瘤分级、激素受体状态、Her2 过表达、Ki67 和合并症。 基于使用算法的这些输入，这些工具可以计算 5 年和/或 10 年末的总体生存率。 然后他们还预测辅助全身治疗单独或联合治疗的额外好处是什么。

然而，大多数经过评估的模型都使用特定地理位置或单身机构 11、12 的癌症登记处的数据集。 这使得将这些模型盲目应用于未经测试的人群变得不可预测。 各种研究已经在不同人群中测试了基于网络的预后模型。 2011 年，Hajage D 等人发表了关于“Adjuvant!”的外部验证结果。 在线'，在法国和荷兰人口中 13。 该预测在法国数据中总体上得到了很好的校准。 但在一些患有高级别肿瘤和 HER2 过度表达的患者亚组中存在不一致。 添加 HER2 状态、有丝分裂指数和 Ki67 显着改善了预测。 在荷兰数据集中，“Adjuvant!”高估了总体 10 年生存率。 在线”，特别是在 40 岁以下的患者中。Bhoopathy 等人于 2012 年在亚洲人群中测试了该工具，并得出结论，尽管它可以区分预后的好坏，但它系统地高估了生存率，需要在亚洲人群中使用前进行调整 14 .

Predict 是英国开发的在线预测和治疗益处工具，使用东部癌症登记和信息中心 (ECRIC) 记录的 1999 年至 2003 年在东安格利亚确诊的 5694 名女性的癌症登记和生存数据。15 模型在来自西米德兰兹癌症情报中心的第二批 5468 名女性中得到验证，并可在线获取 (www.predict.nhs.uk) 提供 5 年和 10 年的生存估计和治疗效益预测。 Wong 等人测试了 PREDICT V1.0 在东南亚人群中的预测准确性 16。 67%的中国患者，13%是印度人。 他们研究中的中位年龄为 50 岁。 除了 40 岁以下的女性外，他们在大多数亚组中观察到的和预测的 OS 是一致的。 经过文献审查，为了更好地适应各种群体，PREDICT V1.0 更新为 v2.0 版本。 V2.0 等同于 V1.0，但在 40.17 岁以下诊断的患者中，V2.0 的校准比 V1.0 有所改进

由于成本高，OncotypeDx、MammaPrint、PAM50、EndoPredict 等多基因预测模型的使用受到限制，因此印度的许多肿瘤学家使用免费提供的基于 Web 的数学模型，如 Adjuvant Online！或预测 V2.0。 然而，没有数据表明在印度患者中使用这些模型进行预测的有效性。 因此，我们建议进行一项研究，以在建议将其用于临床实践之前在试验环境中验证该工具。

目的是将 Predict 的 5 年生存估计值与接受可手术乳腺癌治疗的印度妇女的 TMC 数据集观察到的 5 年结果进行比较。