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