Niet-detecteerbare minimale residuele ziekte (MRD) is onder patiënten met multipel myeloom (MM) een surrogaat voor langere overleving. Individualisering van de behandeling gebaseerd op de waarschijnlijkheid dat een patiënt met een bepaalde behandeling niet-detectbare MRD bereikt zou het onderzoek naar succesvolle behandeling sterk kunnen versnellen. Een multicenterstudie in Spanje heeft geresulteerd in de ontwikkeling en validatie van een machine learning (ML)-model dat op het moment van de MM-diagnose bereiken van niet-detecteerbare MRD kan voorspellen. Dr. Bruno Paiva (Clinica Universidad de Navarra) en collega’s publiceren de studie in Clinical Cancer Research.¹

De studie includeerde 487 patiënten met nieuw-gediagnostiseerd MM. Het trainingscohort (n=152) en het interne validatiecohort (n=149) bestonden uit transplantatie-eligibele patiënten met actieve MM die werden behandeld in het kader van de GEM2012MENOS65-studie. De twee externe validatiecohorten bestonden uit 75 hoog-risico transplantatie-eligibele smeulend MM patiënten (GEM-CESAR) en 110 transplantatie-ineligibele oudere MM-patiënten (GEM-CLARIDEX).

Het model dat het meest effectief MRD-status voorspelde was een integratie van cytogenetische biomarkers [t(4;14) en/of del(17p13)], tumorbelastingsbiomarkers (klonaliteit van beenmergplasmacellen en circulerende tumorcellen), en immuungerelateerde biomarkers. Accurate voorspelling van MRD-uitkomsten werd bereikt in 71% van de GEM2021MENOS65-patiënten en 72% van de patiënten in de externe validatiecohorten. Het model voorspelde ook aanhoudende MRD-negativiteit gedurende twee jaar onderhoudsbehandeling. Voorspelde niet-detecteerbare MRD bij diagnose actieve MM was geassocieerd vijf-jaars PFS-percentage 80% en vijf-jaar OS-percentage 93%.

De onderzoekers concluderen dat het mogelijk is accuraat bereiken van niet-detecteerbare MRD te voorspellen met een ML-model gebaseerd op tumor- en immuunbiomarkers.

1.Guerrero C, Puig N, Cedena M-T et al. A machine learning model based on tumor and immune biomarkers to predict undetectable MRD and survival outcomes in multiple myeloma. Clin Cancer Res 2022; epub ahead of print

Summary: A multicenter study in Spain resulted in development and validation of a machine learning model based on tumor and immune biomarkers to predict achieving undetectable minimal residual disease and survival outcomes in patients with newly diagnosed multiple myeloma.