Model voorspelt tumorrespons op radiotherapie bij NSCLC

Een nieuw machine learning-model kan voorspellen hoe het tumorvolume afneemt na radiotherapie met 60 Gy bij patiënten met een stadium III-NSCLC. Dit lijkt een eenvoudige methode om de tumorrespons goed in te schatten. Radiomics maken de kenmerken van ziekte zichtbaar met beeldvorming zoals CT, MRI of echografie.

Uit eerder onderzoek bleek al dat radiomics potentieel hebben als biomarkers voor het voorspellen van klinische uitkomsten bij patiënten met kanker, zoals overleving, tumorhistologie, tumorstadium en respons op therapie. In de huidige studie onderzochten de onderzoekers of radiomics ook kunnen voorspellen in hoeverre een stadium III-NSCLC in grootte afneemt na bestraling. Zij ontwikkelden een logistiek regressiemodel op basis van gecombineerde kenmerken van radiomics en klinische gegevens, waaronder rookgedrag, TNM-classificatie, aanwezigheid van andere longziekten, homogeniteit en verdeling van densiteit op de beeldvorming.

Het model werd retrospectief getoetst in twee onafhankelijke cohorten met patiënten die zowel radiotherapie als chemotherapie kregen. De mediane dagelijkse stralingsdosis was 2,2 Gy en de dataverzameling vond plaats tussen 2010 en 2017. De formule bleek met 88,7% nauwkeurigheid de tumorrespons op bestraling te kunnen voorspellen, met een vergelijkbare precisie van 88,6%.

De onderzoekers concluderen dat een eenvoudig logistiek regressiemodel op basis van radiomics en klinische kenmerken de respons van NSCLC op bestraling nauwkeurig kan voorspellen. Zij benadrukken dat de resultaten voortkomen uit retrospectief onderzoek en dat aanvullende prospectieve data nodig zijn om het model verder te verbeteren.