Las puntuaciones del International Staging System (ISS) son las herramientas más utilizadas en la estratificación del riesgo en el mieloma múltiple (MM). La última actualización, el ISS revisado (R-ISS), incorpora la valoración de anomalías citogenéticas de alto riesgo, una de las limitaciones de su predecesora. Aún así, la mayoría de los pacientes quedan clasificados en el riesgo intermedio (R-ISS 2), y se ha observado que los resultados de estos pacientes son muy heterogéneos.
La incorporación del aprendizaje automático (AA), un tipo de inteligencia artificial, a la práctica clínica puede ayudar a superar algunas de las limitaciones de las puntuaciones pronósticas clásicas. Ante esta premisa, especialistas del Grupo Español de Mieloma (GEM/PETHEMA) han recurrido a dicha tecnología para tratar de mejorar la estratificación de los pacientes con MM de nuevo diagnóstico (MMND).
Concretamente, el trabajo consistió en aplicar una técnica de agrupación mediante AA no supervisada a una serie de datos clínicos, bioquímicos y citogenéticos de más de 700 pacientes de tres ensayos del GEM que evaluaron tratamientos de primera línea para el MMND.
El modelo de AA fue especialmente útil para estratificar a los pacientes con R-ISS 2 en dos grupos con supervivencias significativamente diferentes
Publicados en el Blood Cancer Journal, los resultados revelan que el modelo identificó a dos grupos de pacientes con distintas supervivencia libre de progresión y supervivencia global (SG) en todas las cohortes independientemente de las puntuaciones ISS y R-ISS. El modelo fue especialmente útil para estratificar a los pacientes con R-ISS 2 en dos grupos con SG significativamente diferentes.
El modelo de AA no supervisado asignó al grupo de alto riesgo a todos los pacientes con LDH elevada y citogenética de alto riesgo. Además, mantuvo su poder predictivo independientemente de los distintos tratamientos de inducción, trasplante y mantenimiento evaluados en los tres ensayos GEM.
Según los autores, se trata de un nuevo modelo pronóstico sencillo y fácil de usar en el MMND cuyas predicciones son independientes de las puntuaciones ISS y R-ISS. De hecho, consideran que la combinación de la AA con ambas puntuaciones abre la puerta a una aproximación prometedora de cara a mejorar la estratificación del riesgo en el MM.
Referencia
Mosquera Orgueira A, González Pérez MS, Diaz Arias J, et al. Unsupervised machine learning improves risk stratification in newly diagnosed multiple myeloma: an analysis of the Spanish Myeloma Group.
Blood Cancer J. 2022;12(4):76. Published 2022 Apr 25.
doi:10.1038/s41408-022-00647-zSC-ES-CP-00099
Aceptar y salir
