Model op basis van oxidatieve stress voorspelt prognose NSCLC bij ouderen

Een predictiemodel op basis van een oxidatieve stress-score, ontwikkeld met machine learning, voorspelt effectief de vijfjaarsprognose van oudere patiënten met NSCLC na een radicale chirurgische resectie van de longtumor. Er wordt nog altijd gezocht naar goede voorspellers van de prognose bij NSCLC, zeker bij ouderen. Omdat oxidatieve stress zowel bij veroudering als bij kanker een belangrijke rol speelt, ontwikkelden onderzoekers met behulp van machine learning, een vorm van kunstmatige intelligentie, een model om de prognose bij deze groep te voorspellen.

Voor de validatie van het model op basis van de oxidatieve stress-score gebruikten zij gegevens van 1.647 patiënten om het model te trainen, 705 patiënten voor interne validatie en nog eens 516 patiënten voor externe validatie. Alle patiënten waren ouderen met NSCLC die tussen januari 2012 en april 2018 een radicale chirurgische resectie hadden ondergaan. De oxidatieve stress-score was samengesteld uit zes biomarkers voor oxidatieve stress, waaronder het albumine-, het totaal bilirubine- en het bloed-ureumstikstofgehalte.

Een lage score bleek een voorspeller van een slechte vijfjaarsprognose. Het uiteindelijke predictiemodel scoorde zeer goed qua voorspellende waarde, met een area under the curve van 0,794 in de interne validatieset en 0,784 in de externe validatieset. De onderzoekers concluderen dat dit met machine learning geconstrueerde model, dat diverse biomarkers van oxidatieve stress meeneemt, de vijfjaarsprognose bij oudere patiënten met NSCLC effectief kan voorspellen.

Zij benadrukken dat prospectief vervolgonderzoek nodig is om te bepalen of het model ook op individueel niveau van waarde is.