Door klinische, demografische, genomische en therapeutische gegevens te integreren, hebben onderzoekers een gepersonaliseerd risicovoorspellingsmodel ontwikkeld dat therapeutische beslissingen op maat mogelijk maakt voor patiënten met nieuw gediagnosticeerd multipel myeloom.
De uitkomsten voor patiënten met nieuw gediagnosticeerd multipel myeloom (NDMM) zijn heterogeen, waarbij de totale overleving varieert van maanden tot > 10 jaar. Om de moleculaire en klinische heterogeniteit van NDMM beter te begrijpen en te voorspellen, werden klinische, genomische en therapeutische gegevens verzameld van 1.933 patiënten. Deze variabelen werden geïntegreerd om een model te bouwen dat het geïndividualiseerde risico bij NDMM (IRMMa) voorspelt. Om te corrigeren voor tijdsafhankelijke variabelen, waaronder hoge doses melfalan gevolgd door autologe stamceltransplantatie (HDM-ASCT), en onderhoudstherapie, werd een multi-state model ontworpen. De nauwkeurigheid van het IRMMa-model was aanzienlijk hoger dan bij alle bestaande prognostische modellen waarmee het werd vergeleken, met een c-index voor de totale overleving van 0,726. Ter vergelijking, met het International Staging System (ISS) was deze 0,61; bij R-ISS 0,572 en met R2-ISS 0,625. Van alle 132 geteste genomische kenmerken bleken er 20 de nauwkeurigheid van het model significant te verbeteren, waaronder 1q21 gain/amp, del 1p, TP53-verlies, NSD2-translocaties, APOBEC-mutatiesignaturen en copy-number signaturen. De nauwkeurigheid en superioriteit van IRMMa in vergelijking met andere prognostische modellen werden gevalideerd bij 256 patiënten die deelnamen aan de GMMG-HD6-studie (NCT02495922). Gepersonaliseerde risico’s werden in de 12 genomische groepen aanzienlijk beïnvloed door verschillende behandelstrategieën, wat kon worden gebruikt om patiënten te identificeren voor wie bijvoorbeeld HDM-ASCT effectief zou kunnen zijn versus patiënten voor wie de voordelen beperkt zijn.
Bron: