Voorspellen van respons op PD-(L)1-blokkade bij NSCLC met een multimodale aanpak

december 2022 Zorginnovatie Diede Smeets

Immuuntherapie wordt gebruikt om vrijwel alle patiënten met gevorderd niet-kleincellig longcarcinoom (‘non-small cell lung cancer’, NSCLC) te behandelen. Het is echter uitdagend gebleken om biomarkers te ontwikkelen met een robuuste voorspellende waarde. In de huidige studie werd de voorspellende waarde onderzocht van een multimodale integratie van medische imaging en histopathologische en genomische karakteristieken.

Studieopzet

De studie includeerde 247 patiënten met gevorderde NSCLC waarvan op baseline data werd verzameld, waaronder CT-scans, immunohistochemisch aangekleurde PD-L1-monsters en uitkomsten na immuuntherapie. Vervolgens werd met behulp van patiëntkarakteristieken door ‘machine learning’ een multimodale integratie gemaakt waarmee het risico voorspeld kan worden.

Resultaten

Het ontworpen model had een oppervlakte onder de grafiek (‘area under the curve’, AUC) van 0,80 (95%-BI: 0,74-0,86), en had daarmee een betere voorspellende waarden dan unimodale-modellen zoals de mutatielast van de tumor (AUC [95%-BI]: 0,61 [0,52-0,70]) en de immunohistochemische PD-L1-score (AUC [95%-BI]: 0,73 [0,65-0,81]).

Conclusie

Deze studie oppert daarmee dat het door hen ontwikkelende multimodale model een betere voorspellende waarde heeft dan huidige modellen, en daarmee ingezet zou kunnen worden om de respons bij immunotherapie te voorspellen bij NSCLC-patiënten.  

Referentie

Vanguri RS, et al. Multimodal integration of radiology, pathology and genomics for prediction of response to PD-(L)1 blockade in patients with non-small cell lung cancer. Nature Cancer 2022; 3:1151-64.

X