Beslishulp beter in het voorspellen van uitkomst behandeling

Beslishulp beter in het voorspellen van uitkomst
behandeling
Als artsen een voorspelling moeten doen over het resultaat van één of andere
behandeling, scoren ze in het algemeen slechter dan wat kan bereikt worden
met behulp van een voorspellingsmodel. Statistisch analiste Cary Oberije
(MAASTRO clinic, Universiteit Maastricht) ontwierp een aantal nieuwe modellen
als hulpmiddel bij de behandeling van longkankerpatiënten.
"Doordat zowel de hoeveelheid informatie omtrent de patiënt en de kenmerken van de
tumor, als het aantal beschikbare behandelingen en behandelcombinaties in de toekomst
enorm zal toenemen, is het voor artsen bijna onmogelijk om alle informatie te gebruiken
om de optimale behandeling voor een specifieke patiënt te kiezen", zo somt Oberije het
op. Een voorspellingsmodel is daarom handig om heel wat meer parameters
tegelijktertijd in ogenschouw te nemen. Bovendien is zo'n een model niet vatbaar voor
een aantal menselijke fouten in het maken van diagnostische en behandelkeuzes.
De ontwikkeling van gecomputeriseerde beslishulpen zoals ze ook worden genoemd,
staat nog in de kinderschoenen. Maar de modellen die reeds ontwikkeld zijn, kunnen
bogen op een groeiende interesse vanuit de praktijk. Sites om de risico's en voordelen
van een adjuvante therapie te bekijken bij kanker als www.predictcancer.org,
www.adjuvantonline.com en de oncologische predictie-hulpmiddelen van het Memorial
Sloan-Kettering Cancer Center (http://www.mskcc.org/mskcc/html/5794.cfm), worden
dagelijks vele malen geraadpleegd.
Maar waarom is het voorspellen van het resultaat van een behandeling (outcome) zo
belangrijk?
Opnemen individuele kenmerken
De hoofdreden daarvan is dat patiënten heel verschillend kunnen reageren op een
behandeling zodat heel wat tijd en geld zou kunnen worden uitgespaard indien geweten
is met welke behandeling de individuele patiënt het beste spoort. Regio's binnenin een
tumor kunnen bijvoorbeeld erg heterogeen zijn. Bij bestraling gebeurt het al eens dat
een tumordeel 'geneest' terwijl andere delen niet veranderen en daarom een hogere
stralingsdosis of bijkomende medicatie zullen vragen. Om intratumorale heterogeniteit
optimaal te controleren, zijn multi-level voorspelmodellen essentieel om zowel patiënt-,
tumor- en behandelkarakteristieken, zowel als eigenschappen van afwijkende, dikwijls
hypoxische tumorregio's in rekenschap te kunnen brengen.
Momenteel worden algemene richtlijnen in de oncologie opgesteld uitgaande van
patiëntengroepen waarbij vooral wordt gekeken naar de tumorstagering en de fysische
conditie van de patiënt. Wat in sommige gevallen leidt tot overbehandeling of een
inadequate therapie. Een beslishulp, dikwijls een algoritme of nomogram, heeft het
voordeel dat het naast het integreren van een eenvoudige cut-off waarde waarbij een
bloedtest als abnormaal moet worden gezien, ook een veel complexere hoeveelheid
factoren met elkaar kan verbinden.
Cary Oberije hield zich in haar proefschrift bezig met de ontwikkeling van een aantal
predictie-modellen bij patiënten met longkanker. De uiteindelijke tool is eerder bedoeld
om het beslissingsproces van de arts bij te staan dan dat het daarvoor in de plaats komt.
Statistische kristallen bol
Na haar onderzoek concludeerde Oberije ondermeer dat bij patiënten met niet-kleincellig
longcarcinoom die radiotherapeutisch behandeld worden, haar model er beduidend beter
in slaagt om de overleving te voorspellen dan het klassieke model dat uitgaat van
tumorstagering gecombineerd met klinische factoren. Het nieuwe model is gebaseerd op
aantal positieve lymfeklierstations zoals vastgesteld met FDG-PET (PET waarbij de
toediening van fluorodeoxyglucose het glucosemetabolisme toont dat in tumoren meestal
verhoogd is) en tumorvolume gecombineerd met klinische factoren. Vervolgens
ontwikkelde Oberije een performant nomogram uitgaande van deze resultaten waar ook
informatie kan toegevoegd worden uit onderzoek naar de eiwitspiegels in de
bloedstroom.
Verder stelde de auteur in deze patiëntengroep vast dat nicotinegebruik een betere
voorspeller is van bestralingsgerelateerde kortademigheid dan de kenmerken van de
bestralingsbehandeling. Ook kan beter rekening gehouden worden met leeftijd, geslacht,
gemiddelde en maximale bestralingsdosis op de slokdarm, het gebruik van
chemotherapie en de duur van de bestralingsbehandeling wil de behandelend arts een
idee krijgen van mogelijke slikklachten na bestraling. Oberijes model scoorde overigens
systematisch beter in vergelijking met het voorspellend vermogen van de artsen.
Alle modellen van Oberije zijn te gebruiken, samen met nog een aantal andere, op de
website van de MAASTRO clinic via http://www.predictcancer.org
‘Predicting outcome for lung cancer patients: towards individualized treatment in Radiotherapy’,
Cary Oberije, ISBN 978-94-6159-013-8, februari 2011.