Modellen kunnen respons ARSI voorspellen bij prostaatkanker

Modellen die genomische, transcriptomische en klinische gegevens combineren kunnen de respons op androgeenreceptorsignaleringsremmers voorspellen bij patiënten met gemetastaseerde castratieresistente prostaatkanker (mCRPC). Dat blijkt uit een studie van het Nederlandse Center for Personalized Cancer Treatment (CPCT). Onderzoekers van het UMC Utrecht, Erasmus MC en de Universiteit van Californië analyseerden gegevens van alle mCRPC-patiënten die waren opgenomen in de prospectieve CPCT-02 biopsiestudie en die tussen februari 2015 en oktober 2019 een biopsie van een gemetastaseerde laesie ondergingen en vervolgens werden behandeld met abiraterone of enzalutamide.

Zij gebruikten whole-genome sequencing van 155 biopsieën van met androgeenreceptorsignaleringsremmers (ARSI) behandelde patiënten en gematchte whole-transcriptomics van 113 patiënten om verschillende op machine learning gebaseerde voorspellingsmodellen te ontwikkelen. De patiënten werden op basis van de behandelduur met ARSI gestratificeerd in goede (180 dagen of meer; n = 66), gemiddelde (101 tot 179 dagen; n = 25) en slechte responders (100 dagen of minder; n = 64). De twee best presterende modellen combineerden behandelinformatie met ofwel vier genomische markers (tumormutatielast, structurele varianten, tandemduplicaties en deleties) ofwel algemene transcriptomische profielen.

Na optimalisatie en prospectieve validatie zouden deze modellen volgens de auteurs kunnen worden gebruikt bij het nemen van behandelbeslissingen en om patiënten te selecteren die het meeste baat hebben bij deelname aan studies.