Amerikaanse onderzoekers beschrijven in JCO een gepersonaliseerd voorspellingsmodel dat op basis van klinische en genomische gegevens van MDS-patiënten de overlevingskans en transformatierisico’s voorspelt bij diagnose en op verschillende momenten tijdens het ziektebeloop. Het model presteerde beter dan gevestigde prognostische modellen en kan volgens de onderzoekers worden gebruikt als een stand-alone model of in combinatie met de IPSS/IPSS-R scoresystemen om de nauwkeurigheid daarvan te verbeteren.
De overleving van patiënten met myelodysplastische syndromen (MDS) kan variëren van maanden tot tientallen jaren. De bestaande prognostische modellen zijn voornamelijk gebaseerd op klinische
variabelen waarmee patiënten worden ingedeeld in een handvol risicocategorieën. De meest gebruikte
modellen zijn het International Prognostic Scoring System (IPSS) en de herziene IPSS (IPSS-R). De recente toevoeging van moleculaire data aan deze modellen heeft de nauwkeurigheid ervan – hoewel in beperkte mate – verbeterd. In deze studie werd gebruikgemaakt van een machine learning-algoritme dat rekening houdt met klinische, pathologische en moleculaire variabelen, evenals de interacties daartussen. Op basis hiervan werd een predictiemodel ontwikkeld en gevalideerd waarmee een gepersonaliseerde prognose kan worden gecreëerd.
Training en validatie
In totaal werden 1.471 MDS-patiënten met uitgebreid beschreven klinische en moleculaire gegevens opgenomen in een trainingscohort dat werd geanalyseerd met behulp van machine learning-technieken. Een random survival forest-algoritme werd gebruikt om een prognostisch model te bouwen, dat vervolgens werd gevalideerd in externe cohorten. De nauwkeurigheid van het voorgestelde model, ten opzichte van andere gevestigde modellen, werd beoordeeld met behulp van een concordantie-index. De mediane leeftijd van het trainingscohort was 71 jaar. Genen die vaak mutaties bevatten waren SF3B1, TET2 en ASXL1. Het algoritme identificeerde chromosomaal karyotype, bloedplaatjes, hemoglobineniveaus, percentage blasten in het beenmerg, leeftijd, andere klinische variabelen, zeven afzonderlijke mutaties en het aantal mutaties als prognostische factoren voor de totale en leukemievrije overleving. Het model werd gevalideerd in een onafhankelijk extern cohort bestaand uit 465 patiënten, een cohort patiënten met MDS die werden behandeld in een prospectieve klinische studie, een cohort patiënten met gepaarde monsters op verschillende tijdstippen tijdens het ziektebeloop en een cohort patiënten die hematopoëtische stamceltransplantatie ondergingen. De c-index van het nieuwe model was 0,74 voor de OS en 0,81 voor transformatie naar leukemie in het trainingscohort en 0,71 en 0,84 in het validatiecohort, ten opzichte van IPSS 0,66 en IPSS-R 0,67 voor de OS.
Bron: