Machine learning voorspelt pCR na neoadjuvante chemo bij NSCLC

Onderzoekers ontwikkelden een radiomics-model op basis van machine learning om bij patiënten met NSCLC een pathologische complete respons en de overlevingskans na neoadjuvante chemotherapie te voorspellen. Neoadjuvante chemotherapie is bij NSCLC variabel effectief en het is lastig te voorspellen welke patiënten baat hebben. Het model gebruikt negen kenmerken uit de intra- en peritumorale regio's op de CT-scan die voorafgaand aan de chemotherapie is gemaakt.

De onderzoekers toetsten het model in een trainingscohort en in een onafhankelijk cohort, met gegevens van in totaal 130 patiënten met NSCLC die neoadjuvante chemotherapie en chirurgische resectie hadden ondergaan. Het model liet een oppervlakte onder de ROC-curve zien van 0,874 in het trainingscohort en 0,876 in het onafhankelijke cohort, met een goede model fit in calibratie- en besliscurve-analyses. Onderzoek naar overleving toonde een significant verschil in de algehele overleving en de ziektevrije overleving tussen verschillende risicogroepen.

Adjuvante chemotherapie verbeterde de overleving significant bij patiënten met een laag recidiefrisico, maar niet bij patiënten met een hoog recidiefrisico. De onderzoekers concluderen dat dit radiomics-model met succes een pathologische complete respons en de overleving kan voorspellen bij patiënten die neoadjuvante chemotherapie voor NSCLC ondergaan, waardoor beter kan worden bepaald welke patiënt baat heeft bij (neo)adjuvante chemotherapie.