Neue Erkenntnisse zur Vorhersage des Ansprechens auf Myelommedikamente

Obwohl Patienten mit derselben Krebsdiagnose möglicherweise sehr unterschiedlich auf die Behandlung ansprechen, stehen Ärzten immer noch nur begrenzte Instrumente zur Verfügung, um vorherzusagen, wer am wahrscheinlichsten von einer bestimmten Myelomtherapie profitieren oder darunter leiden wird.

Diese Ergebnisse werden in einer kürzlich in der veröffentlichten Studie berichtet Europäisches Journal für Hämatologie, in dem Die Autoren geben einen umfassenden Überblick über das Fachgebiet. Die Studie stellt die aktuellen Ansätze zur Vorhersage des multiplen Myeloms dar, hebt hervor, was fehlt, und skizziert den Weg für eine wirklich personalisierte Versorgung von Krebspatienten.

Diese Arbeit erhebt nicht den Anspruch, das Problem gelöst zu haben. Stattdessen wird das Problem klar identifiziert, erklärt, warum es wichtig ist, und definiert, was als nächstes benötigt wird.“

Dr. Ahmad Abuhelwa, Co-Autor der Studie und außerordentlicher Professor für Klinische Pharmakologie und Pharmakometrie, Universität Sharjah

Dr. Abuhelwa erklärte, dass die bestehenden Vorhersagemodelle beim Multiplen Myelom zwar vielversprechend seien, für die Routineversorgung jedoch noch immer unzureichend seien. „Wir weisen auf große Lücken bei den Instrumenten hin, die zur Personalisierung der Behandlung erforderlich sind“, sagte er. „Patienten mit multiplem Myelom … fehlen immer noch zuverlässige Möglichkeiten, das Ansprechen auf die Behandlung vor Beginn der Therapie vorherzusagen.“

Die Forscher argumentieren, dass praktische, klinisch nutzbare Instrumente für die individuelle Behandlung des Multiplen Myeloms, einer Krankheit mit vielversprechenden und wachsenden Behandlungsmöglichkeiten, unerlässlich sind. Durch die Ermittlung dessen, was Präzisionspflege derzeit ist, wollen die Autoren die Agenda für Präzisionsinstrumente der nächsten Generation bei multiplem Myelom festlegen, die sowohl für Ärzte als auch für Patienten von Bedeutung sind.

Die Forscher untersuchen das wachsende Interesse an künstlicher Intelligenz und klinischer Integration. Sie weisen darauf hin, dass KI-Tools zwar sehr nützlich sind, aber noch keine präzisen Vorhersagen liefern können. Die Arbeit verdeutlicht, was entwickelt werden muss, bevor Kliniker bestehende Vorhersagetools sicher und effektiv in der täglichen Praxis einsetzen können.

„Die Behandlung des Multiplen Myeloms wird immer komplexer“, betonte Dr. Abuhelwa. „Aber entscheidungsbasierte Instrumente hinken hinterher. Bessere Behandlungsentscheidungen erfordern bessere Vorhersagen.“

Aktueller Stand klinischer Vorhersagemodelle

Die Autoren, die mit Universitäten in den USA, Australien, Jordanien und den Vereinigten Arabischen Emiraten (VAE) verbunden sind, führten eine strukturierte Suche in PubMed und Embase/Scopus durch, um multivariable klinische Vorhersagemodelle zu identifizieren, die innerhalb eines statischen Behandlungsrahmens für multiples Myelom entwickelt wurden. Die Autoren konzentrierten sich auf Modelle zur Bewertung behandlungsspezifischer therapeutischer oder toxizitätsbezogener Ergebnisse.

Es wurden Daten zu Behandlungsschemata, Prädiktoren, Modellierungsmethoden, Validierungsstrategien und der Berichterstattung über den klinischen Nutzen extrahiert.

Bei der Analyse der Daten identifizierten die Forscher 13 geeignete Modelle, von denen zehn die therapeutischen Ergebnisse maßen und die restlichen drei toxizitätsbezogene Ergebnisse bewerteten. Diese Modelle wurden für eine Reihe von Behandlungssettings entwickelt und umfassten eine auf Bortezomib basierende Induktionstherapie, Daratumumab-haltige Kombinationen, auf Ixazomib basierende Tripletts und eine CAR-T-Therapie.

„Die meisten Modelle verwendeten traditionelle Regressionsmethoden; die Kalibrierung wurde inkonsistent gemeldet und in sieben Studien wurde eine externe Validierung durchgeführt. Die Entscheidungskurvenanalyse war nur in zwei Modellen enthalten“, schreiben die Autoren.

Bei der Präzisionsonkologie gehe es nicht nur um die Entdeckung von Biomarkern, sagte Mays M. Jarrah, der Hauptautor der Studie und Doktorand am College of Pharmacy der University of Sharjah. „Es geht auch darum, Daten in Entscheidungen zu übersetzen, die die Patientenversorgung verbessern. Diese Überprüfung zeigt, warum dieser Übersetzungsschritt nach wie vor ein großer ungedeckter Bedarf beim multiplen Myelom bleibt.“

Auf die Bedeutung der Studie angesprochen, sagte Jarrah, die Ergebnisse unterstreichen mehrere kritische Botschaften. Obwohl es bereits vielversprechende Modelle gibt, „haben nur sehr wenige von ihnen den Grad der Validierung und Implementierung durchlaufen, der für den Einsatz in der Praxis erforderlich ist. Das ist die Lücke zwischen akademischer Entwicklung und klinischer Wirkung, und die Schließung dieser Lücke sollte die nächste Priorität sein.“

Laut Jarrah liegt die Bedeutung der Studie darin, den aktuellen Stand des Fachgebiets zu klären und einen Weg für die Zukunft aufzuzeigen. „Sobald wir [authors] „Wir haben die methodischen und translationalen Lücken identifiziert“, sagte sie. „Wir sind dazu übergegangen, einen Fahrplan für die Entwicklung klinisch aussagekräftigerer, patientenzentrierter Tools bereitzustellen, die letztendlich Ärzten und Patienten dabei helfen könnten, fundiertere Behandlungsentscheidungen zu treffen.“

Lücken zwischen Vorhersagemodellen und klinischer Praxis

Die Forschung ist von unmittelbarer praktischer Relevanz, da sie klar darlegt, was vorhanden sein muss, bevor Vorhersagetools die klinische Praxis sinnvoll unterstützen können. In der Praxis der Myelomversorgung erfordern Behandlungsentscheidungen oft eine sorgfältige Abwägung zwischen dem Risiko schwerwiegender Nebenwirkungen und dem potenziellen Behandlungsnutzen.

Den Autoren zufolge könnten wirksame behandlungsspezifische Vorhersagemodelle Ärzten letztendlich dabei helfen, die Überlebensergebnisse abzuschätzen, das Ansprechen auf die Behandlung vorherzusagen oder die Wahrscheinlichkeit schwerer Toxizitäten für einzelne Patienten vor Beginn der Behandlung einzuschätzen.

Ein wichtiger praktischer Beitrag der Studie ist die Formulierung von Designstandards, die zukünftige Werkzeuge erfüllen sollten. Dazu gehören eine stärkere und konsistentere Validierung, eine verbesserte Kalibrierung, eine umfassendere Integration biologisch relevanter Variablen, die Einbeziehung von Patientenberichten und die Übersetzung in nutzbare Plattformen wie webbasierte Rechner oder Entscheidungsunterstützungssysteme.

„Methodische und translationale Lücken bleiben bestehen, darunter eingeschränkte Transparenz, mangelnde externe Validierung und das Fehlen von vom Patienten gemeldeten oder longitudinalen Prädiktoren“, stellen die Autoren fest. „Keines der Modelle wurde als Online-Rechner implementiert oder in elektronische Entscheidungsunterstützungssysteme integriert, was die Umsetzung in der Praxis einschränkt. Die Schließung dieser Lücken ist für die Entwicklung klinisch bedeutsamer Vorhersagetools zur Unterstützung einer personalisierten Behandlung beim multiplen Myelom von entscheidender Bedeutung.“

Das Thema ist für Gesundheitsdienstleister und Krebszentren von eindeutigem Interesse, da es an der Schnittstelle zwischen Präzisionsmedizin, digitaler Gesundheit und patientenzentrierter Krebsversorgung liegt. Es ist auch für Entwickler klinischer Entscheidungsunterstützungstools von großer Relevanz, da die Überprüfung die praktischen und methodischen Hindernisse identifiziert, die derzeit einer sinnvollen Umsetzung im Wege stehen.

„Das Multiple Myelom ist keine einheitliche Krankheit“, betonte Dr. Abuhelwa. „Patienten können sehr unterschiedlich auf die gleiche Behandlung reagieren, und das schafft echte Unsicherheit in der klinischen Praxis. Unsere Untersuchung zeigt, dass zwar Vorhersagemodelle entstehen, die derzeit verfügbaren Tools jedoch noch nicht bereit sind, routinemäßige personalisierte Behandlungsentscheidungen vollständig zu unterstützen.“

Vorhersagemodelle haben Grenzen

Obwohl die Autoren anerkennen, dass sich das Feld in die richtige Richtung bewegt, stellen sie fest, dass viele Modelle immer noch unter erheblichen Einschränkungen leiden. Die meisten stützen sich hauptsächlich auf klinische Routine- und Laborvariablen, wobei nur wenige fortgeschrittenere Krankheitsmerkmale wie die Zytogenetik berücksichtigen. Bemerkenswert ist, dass keines der überprüften Modelle von Patienten berichtete Ergebnisse enthielt.

Die Autoren stellten außerdem fest, dass die externe Validierung begrenzt war, die Kalibrierung inkonsistent gemeldet wurde und eine Entscheidungskurvenanalyse selten durchgeführt wurde. Keines der identifizierten Modelle wurde in Online-Rechner oder integrierte elektronische Entscheidungsunterstützungstools übersetzt. „Vereinfacht ausgedrückt gibt es vielversprechende Ideen, aber sie sind noch nicht ausgereift genug für einen breiten Einsatz im Pflegealltag“, sagte Dr. Abuhelwa.

Das Multiple Myelom ist der zweithäufigste Blutkrebs weltweit. Allein im Jahr 2022 wurden weltweit schätzungsweise 188.000 neue Fälle und 121.000 Todesfälle gemeldet. Es handelt sich um eine äußerst heterogene Erkrankung, bei der die Patienten sehr unterschiedliche Krankheitsverläufe, Behandlungsreaktionen und Nebenwirkungen aufweisen. Obwohl sich die Behandlungsmöglichkeiten in den letzten Jahren erheblich erweitert haben, bleibt die Auswahl der optimalen Behandlung für den richtigen Patienten eine große klinische Herausforderung.

„Diese Studie ist wichtig, weil sie zeigt, dass sich die Wissenschaft in Richtung Präzisionsversorgung beim Myelom bewegt, aber die praktischen Werkzeuge, die Ärzte benötigen, fehlen noch“, sagte Prof. Humaid Al-Shamsi von der Abteilung für Onkologie am Burjeel Cancer Institute der Vereinigten Arabischen Emirate und Mitautor der Studie. „Wir hoffen, dass diese Arbeit dazu beiträgt, die Entwicklung zuverlässiger, benutzerfreundlicher Modelle zu beschleunigen, die Patienten und Ärzte besser unterstützen können.“

Quellen: