Predicción de la recurrencia en el cáncer de pulmón de células no pequeñas mutado por el receptor del factor de...

Área de la Ciencia:

• En el campo de la oncología
• La genética
• Radiología

Sus antecedentes:

• No existen modelos integrados de predicción de la recurrencia para el cáncer de pulmón de células no pequeñas (CPNP) con mutación del EGFR en estadio I.
• Los modelos existentes no combinan efectivamente los datos clínicos, de imágenes y genéticos.
• Este estudio aborda la necesidad de herramientas de pronóstico completas en el NSCLC en etapa temprana.

Objetivo del estudio:

• Desarrollar y validar un modelo integrado de predicción de la recurrencia para el NSCLC con mutación del EGFR en estadio I.
• Evaluar el rendimiento predictivo de los modelos que combinan datos clínicos, radiológicos y de secuenciación de exomas completos (WES).
• Identificar los factores clave, incluidas las mutaciones genéticas, que mejoran la precisión del pronóstico.

Principales métodos:

• Un total de 306 pacientes con CPNM mutado en EGFR en estadio I fueron estratificados en cohortes de entrenamiento (n=206) y validación (n=100).
• Los modelos de riesgos proporcionales de Cox integraron datos clínicos, radiológicos y derivados de WES MultiGenes y mutaciones.
• El rendimiento del modelo se evaluó utilizando el índice de concordancia (índice C), el AUC dependiente del tiempo y el análisis de la supervivencia.

Principales resultados:

• Se identificaron tres modelos óptimos, con el modelo clínico-radiológico que incorporaba mutaciones de TP53 (Modelo 39) mostrando el mejor rendimiento (índice C=0,73).
• El modelo 39 predijo tasas de supervivencia libre de recidiva (RFS) a los 60 meses del 57,1% (alto riesgo) y del 87,1% (bajo riesgo) (HR=4,79).
• El modelo clínico-radiológico (Modelo 17) mostró tasas de RFS a los 60 meses del 59,1% (alto riesgo) y del 83,2% (bajo riesgo) (HR=3,47).

Conclusiones:

• Los factores clínicos y radiológicos son predictores efectivos de la recurrencia en el NSCLC con mutación del EGFR en estadio I.
• La incorporación de datos de mutación TP53 mejora significativamente la precisión del pronóstico de los modelos de predicción de la recurrencia.
• Los modelos desarrollados ofrecen una mejor estratificación del riesgo para los pacientes con NSCLC en etapa temprana.