Immuuncheckpointremmer (ICI)-behandeling van patiënten met maligniteiten kan geassocieerd zijn met verhoogd risico van cardiale bijwerkingen. Er is slechts beperkte informatie over mogelijke risicofactoren voor deze bijwerkingen. Machine Learning (ML)-analyse van een dataset van real-world patiënten heeft risicofactoren voor deze bijwerkingen geïdentificeerd. Dr. Thomas Neilan (Massachusetts General Hospital, Boston) en collega’s publiceren de analyse in het Journal for ImmunoTherapy of Cancer.¹



De analyse is gebaseerd op de CancerLinQ-database van ASCO, met gegevens van 4960 patiënten die tussen begin 2013 en eind 2019 anti-PD-1 of anti-PD-L1 behandeling kregen voor niet-kleincellig longcarcinoom, melanoom, of niercelcarcinoom. Onder deze patiënten waren er 418 die een cardiale gebeurtenis doormaakten. Het model includeerde 356 potentiële patiënt-gebonden risicofactoren, waaronder elementen van de medische geschiedenis, sociale geschiedenis, vitale tekenen, laboratoriumresultaten, oncologische geschiedenis, medicatiegeschiedenis, en PD-L1 expressie van de tumor.

Het model identificeerde als belangrijke voorspellers van cardiale gebeurtenissen: hogere leeftijd, gebruik van corticosteroïden, abnormale laboratoriumwaarden en gebruik van specifieke medicaties, extremen van lichaamsgewicht, lagere gehalten van lymfocyten, en hogere gehalten van neutrofielen. Het model voorspelde cardiale gebeurtenissen met een AUC-ROC van 0,65 (95%-bti 0,58-0,75). Op basis van het model werden patiënten onderverdeeld in een laag-risico en een hoog-risico subgroep. De cumulatieve incidentie van cardiale gebeurtenissen na 100 dagen was 3,3% in de laag-risicogroep en 6,1% in de hoog-risicogroep (p<0,001).

De onderzoekers concluderen dat ML kan worden gebruikt voor het voorspellen van cardiale gebeurtenissen in patiënten de anti-PD-(L)1 therapie krijgen. Het cardiale risico werd gedregen door immunologische factoren, oncologische factoren, en cardiale geschiedenis.

1.Heilbroner SP, Few R, Mueller J et al. Predicting cardiac adverse events in patients receiving immune checkpoint inhibitors: a machine learning approach. J ImmunoTher Cancer 2021-002545

Summary: A machine learning-based model can predict cardiac events in patients receiving PD-1/PD-L1 therapy. Cardiac risk was driven by immunological factors (eg, percentage of lymphocytes), oncological factors (eg, low body weight), and a cardiac history.