Personlig forudsigelsesmodel kan udpege risikopatienter ved MDS
På basis af kliniske, patologiske og genomiske data kan en ny, dynamisk personlig forudsigelsesmodel udregne sandsynlighed for overlevelse og leukæmi-transformation hos den enkelte patient med myelodysplastiske syndromer (MDS) på forskellige tidspunkter.
Oplysningerne kan blandt andet bruges til at inddele patienterne i risikokategorier og som et værktøj til tilmelding til kliniske studier.
Modellen er testet i et studie, hvis resultater er publiceret i Journal of Clinical Oncology (https://ascopubs.org/doi/abs/10.1200/JCO.20.02810?cid=DM8394&bid=101167814). Her deltog alt 1.471 MDS-patienter, hvis omfattende kliniske og molekylære data blev inkluderet i en træningskohorte og analyseret ved hjælp af såkaldte machine learning-teknikker. En tilfældig overlevelsesalgoritme blev brugt til at opbygge en prognostisk model, som derefter blev valideret i eksterne kohorter. Nøjagtigheden af den foreslåede model, sammenlignet med andre etablerede modeller, blev vurderet ved hjælp af et konkordans-indeks.
Medianalderen for træningskohorten var 71 år. Almindeligt muterede gener inkluderede SF3B1, TET2 og ASXL1. Algoritmen identificerede kromosomal karyotype, trombocytter, hæmoglobinniveauer, knoglemarvs-blast-procent, alder, andre kliniske variabler, syv diskrete genmutationer og mutationsnumre med prognostisk indvirkning på samlet og leukæmifri overlevelse. Modellen blev valideret i en uafhængig ekstern kohorte på 465 patienter, en kohorte af patienter med MDS behandlet i et prospektivt klinisk forsøg, en kohorte af patienter med parrede prøver på forskellige tidspunkter under sygdomsforløbet samt en kohorte af patienter, der gennemgik hæmatopoietisk stamcelletransplantation.
Forfatterne bag studiet konkluderer, at den nye model klarede sig bedre end andre eksisterende modeller, der bruges i klinisk praksis. Modellen kan både bruges alene eller sammen med IPSS/IPSS-R-scoringssystemer for at forbedre deres nøjagtighed.
Etablerede prognostiske modeller bygger primært på kliniske variabler, der stammer fra knoglemarvspatologi og perifert blodtal og opdeler patienter i en håndfuld risikokategorier. De mest almindeligt anvendte modeller inden for klinisk praksis og for berettigelse til kliniske undersøgelser er International Prognostic Scoring System (IPSS) og det reviderede IPSS (IPSS-R). Den nylige tilføjelse af molekylære data til disse scoringssystemer har forbedret nøjagtigheden af modellerne. Disse prognostiske modeller, hvoraf mange er blevet udviklet hos ubehandlede patienter, kan undervurdere eller overvurdere den faktiske overlevelse af en patient, hvilket påvirker behandlingsanbefalingerne og forudsigelsen af sygdomsforløbet.
Patienter med MDS har en overlevelse, der kan variere fra måneder til årtier. Præcis forudsigelse af resultatet kan hjælpe patienterne med at håndtere forventninger til deres sygdomsforløb og hjælpe lægerne med at identificere de rette behandlinger.
