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.
Commentaren
Reageren op dit artikel is mogelijk na registratie. (Login)