Nomogramas que integran métricas de composición corporal predicen la remisión completa patológica total después de la...

Área de la Ciencia:

• En el campo de la oncología
• Imágenes médicas
• Estadísticas biológicas

Sus antecedentes:

• La terapia sistémica neoadyuvante (NST) es un tratamiento crítico para el cáncer de mama localmente avanzado o no resecable.
• El logro de la respuesta patológica completa total (tpCR) después de la NST mejora significativamente el pronóstico del paciente.
• Los modelos de predicción actuales a menudo pasan por alto el papel de la composición corporal en la respuesta al tratamiento.

Objetivo del estudio:

• Desarrollar un modelo predictivo para el tpCR en pacientes con cáncer de mama sometidos a NST.
• Identificar los indicadores de composición corporal y de referencia asociados con el tpCR.
• Construir un nomograma para evaluar la eficacia del NST y optimizar las estrategias de tratamiento.

Principales métodos:

• Análisis retrospectivo de 500 pacientes con cáncer de mama tratados con NST (2014-2022).
• Los datos se dividieron en grupos de entrenamiento (350 pacientes) y de validación (150 pacientes).
• Análisis de regresión logística univariada y multivariada para identificar los predictores de la TPCR.
• Construcción de nomogramas basados en predictores significativos.

Principales resultados:

• El estado negativo para los receptores de progesterona, el estado positivo para HER2, una gran superficie corporal, un bajo índice de músculo esquelético y una alta densidad de músculo esquelético se asociaron con una mayor probabilidad de tpCR.
• La etapa T (4) y la etapa N (1) avanzadas de AJCC se asociaron con una menor probabilidad de tpCR.
• Se desarrolló un nomograma que incorporaba estos factores para predecir la probabilidad de tpCR.

Conclusiones:

• Los indicadores de composición corporal son predictores significativos de la tpCR en las pacientes con cáncer de mama que reciben NST.
• El nomograma desarrollado ofrece una herramienta para predecir la respuesta al tratamiento y personalizar la terapia.
• La integración de la composición corporal en los modelos de predicción puede mejorar la eficacia del tratamiento y los resultados del paciente.