Tumorwachstumsraten als unabhängiger Prädiktor für das Therapieansprechen und die Prognose von Patientinnen mit epithelialem Ovarialkarzinom

Einleitung:

Die Beurteilung des Therapieansprechen und die Vorhersage der Prognose von Patientinnen mit High-Grade serösem Ovarialkarzinom (HGSOC) im Verlauf der Therapie stellt mangels objektivierbarer klinischer Messgrößen eine besondere Herausforderung dar. Die vorliegende Studie untersucht eine biphasische Modellfunktion (Stein et al 2008), die anhand serieller CA-125 Messungen Tumorwachstums- und Regressionsraten von HGSOC abgeschätzt und so das Therapieansprechen und die Prognose evaluiert.

Material und Methode:

Das Modell wurde anhand von 101 konsekutiven Patientinnen mit fortgeschrittenem HGSOC (Stadium FIGO IIB-IV) evaluiert, die zwischen 2003 und 2012 einer zytoreduktiven Primäroperation am Comprehensive Cancer Center der Medizinischen Universität Wien unterzogen wurden und anschließend eine adjuvante platinbasierte Kombinationschemotherapie erhielten. Zusammenhänge zwischen Tumorwachstums- sowie Regressionsraten und Überlebensraten wurden mittels Pearsons Korrelation untersucht. Der Einfluss von Wachstums- und Regressionsraten auf das Gesamtüberleben wurde mittels univariater Überlebensanalyse durch log-rank Tests evaluiert und durch Kaplan-Meier Kurven dargestellt. Mittels multivariater Cox- Regression wurden untersuchte Einflussgrößen auf ihre Unabhängigkeit geprüft.

Ergebnisse:

Tumorwachstumsraten (r = 0,61; p < 0,001), nicht jedoch Regressionsraten (r =-0,01, p < 0,91) korrelieren mit dem Gesamtüberleben. In der univariaten Überlebensanalyse zeigen Patientinnen mit Wachstumsraten oberhalb des Medians ein signifikant kürzeres Gesamtüberleben (p < 0,001). Dieses Ergebnis konnte in der multivariaten Überlebensanalyse als unabhängiger prognostischer Marker bestätigt werden. [p < 0,001; HR 3,41 (2,16 – 9,04)]

Schlussfolgerung:

In diesem Modell konnten Tumorwachstumsraten als nichtinvasiver Prädiktor für das Gesamtüberleben von Patientinnen mit HGSOC dienen. Nach klinischer Validierung könnte dieses Modell zur Bewertung des Therapieansprechens und in der Patientenberatung Anwendung finden.