Prädiktionsmodelle zur Vorhersage von pathologischer Komplettremission bei Brustkrebspatientinnen nach neoadjuvanter Chemotherapie

Zielsetzung:

Die pathologische Komplettremission (pCR, ja/nein) ist ein etablierter Surrogatmarker für die Überlebensprognose von Brustkrebspatientinnen nach neoadjuvanter Chemotherapie. Zur Vorhersage von pCR dienen neben einigen Patienten- und Tumormerkmalen insbesondere die Biomarker Östrogenrezeptor- (ER), Progesteronrezeptorexpression (PgR) und Ki-67. Obwohl diese Biomarker als kontinuierliche Merkmale erhoben werden, werden sie oft in vereinfachter Form („positiv“, „negativ“) verwendet. Ziel der Studie war es, etablierte Grenzwerte zu überprüfen und die unterschiedliche Verwendung dieser Biomarker in Prädiktionsmodellen zur Vorhersage der pCR zu beurteilen.

Methoden:

Das Studienkollektiv bestand aus Mammakarzinompatientinnen des Universitäts-Brustzentrums Franken, die zwischen 2001 und 2017 mit neoadjuvanter Chemotherapie behandelt wurden. Verschiedene logistische Regressionsmodelle zur Vorhersage der pCR-Wahrscheinlichkeit, die sich durch die Verwendung der Biomarker unterscheiden, wurden aufgestellt: (M1) kontinuierliche Biomarker von 0% bis 100%, (M2) kategoriale (positiv/negativ) Biomarker mit etablierten Grenzwerten, (M3) kategoriale Biomarker mit neugefundenen Grenzwerten. Patientinnen mit unvollständigen pCR- und Prädiktorenangaben wurden ausgeschlossen. Die Vorhersagegenauigkeit (z.B. AUC) wurde durch Kreuzvalidierung bestimmt.

Ergebnisse:

Von den 1036 Studienpatientinnen (Durchschnittsalter 52 Jahre) erreichten 234 (22,6%) eine pCR. Es stellten sich 35%, 10% und 35% als optimale Grenzwerte für ER, PgR bzw. Ki-67 heraus. Das Prädiktionsmodell M1 mit den kontinuierlichen Biomarkern war genauer (AUC = 0,820) als die Modelle M2 und M3 (AUC = 0,799 und 0,811). Das genaueste Modell M1 erreichte eine Sensitivität von 0,83 bei einer Spezifität von 0,69.

Zusammenfassung:

Eine kategoriale Verwendung von kontinuierlich gemessenen Biomarkern führt zu einer ungenaueren Vorhersage der pCR. Eine Klassifikation der Patientinnen im Hinblick auf gutem/schlechtem Therapieansprechen sollte auf vorhergesagte pCR-Wahrscheinlichkeiten basieren und nicht auf Grenzwerte einzelner Biomarker.