Vorhersagemodell für akute Toxizität bei Prostatakrebspatienten unter Salvage-Strahlentherapie: ICAROS-Studie

Hintergrund
Ziel dieser Studie war die Entwicklung eines Vorhersagemodells für akute gastrointestinale (GI) und genitourinäre (GU) Toxizität bei Prostatakrebspatienten, die nach einer Prostatektomie mit einer Salvage-Strahlentherapie (SRT) behandelt wurden. Sie bietet potenzielle Krankheitskontrolle und verbesserte Überlebenschancen, ist jedoch sowohl mit akuten als auch mit späten Toxizitäten verbunden, was die Lebensqualität der Patienten erheblich beeinträchtigt. Die Identifizierung prädiktiver Faktoren für Toxizität ist entscheidend für die Optimierung der Behandlung. Akute Toxizität ist klinisch relevant, weil sie die Therapietreue beeinträchtigen, den Patientenkomfort verringern und zu daraus resultierender Spättoxizität beitragen kann.

Zur Identifizierung wichtiger Prognosefaktoren wurden in dieser Studie Verfahren wie die Regression mit dem Least Absolute Shrinkage and Selection Operator (LASSO) und KI-basierte Ansätze mit verschiedenen Methoden des maschinellen Lernens (ML) eingesetzt.

Patienten und Methoden

In der multizentrischen retrospektiven Studie wurden 454 Patienten aus drei italienischen Strahlentherapiezentren analysiert, die mit einer SRT behandelt wurden. Anhand der Patientendaten wurden verschiedene maschinelle Lernverfahren angewendet, um die wichtigen Toxizitätsprädiktoren zu identifizieren. Zu den analysierten Variablen gehörten Operationstechnik, Abstand zwischen klinischem Zielvolumen (CTV) und Planungszielvolumen (PTV), Umfang der Lymphadenektomie, Strahlentherapietechnik und Androgendeprivationstherapie (ADT). Die akute Toxizität wurde anhand der Kriterien der Radiation Therapy Oncology Group bewertet. Prädiktoren für eine Toxizität ab Grad 2 wurden mittels Least Absolute Shrinkage and Selection Operator (LASSO)-Regression und Klassifikations- und Regressionsbaum-Modellierung (CART) identifiziert.

Prädiktives Modell der urogenitalen Toxizität

Der wichtigste Einflussfaktor auf die akute GU-Toxizität war die Operationstechnik. Patienten, die sich einer offenen Operation unterzogen, wiesen eine signifikant höhere Toxizitätsrate auf als Patienten, die sich einer laparoskopischen oder roboterassistierten Operation unterzogen (35,9% vs. 12,2%).

Bei Patienten mit offener Operation wurde das Toxizitätsrisiko zusätzlich durch den CTV-zu-PTV-Abstand stratifiziert. Ein Abstand von weniger als 10 mm wies eine Toxizitätsrate von 29,9% auf, während Patienten mit einem Abstand von ≥10 mm eine deutlich höhere Toxizitätsrate von 70,4% aufwiesen. Bei Patienten mit einem CTV-zu-PTV-Abstand von weniger als 10 mm war das Ausmaß der Lymphadenektomie ein zusätzlicher Determinant. Bei Patienten mit weniger als 15 resezierten Lymphknoten lag die Toxizitätsrate bei 22,7% versus 46,8% bei Patienten mit 15 oder mehr resezierten Lymphknoten.

Ergebnisse

Operationstechnik, CTV-zu-PTV-Abstand und Strahlentherapieparameter erwiesen sich als die wichtigsten Determinanten, wobei offene Operationen und größere Ränder mit einer akuten Toxizität von höherem Grad ≥2 assoziiert waren.

Die in dieser Studie angewandte leicht verständliche ML-Technik kann nichtlineare Beziehungen zwischen Variablen verarbeiten und eine auch für nicht-technische Anwender leicht verständliche Baumstruktur darstellen.

Die Ergebnisse bestätigen die gute Verträglichkeit der SRT. Bei keinem Patienten trat eine Toxizität Grad ≥4 auf, und die Toxizität Grad 3 lag sowohl bei GI- als auch bei GU-Ereignissen unter 1%.

Der primäre Faktor für akute Toxizität war die Operationstechnik. Die offene Prostatektomie war mit einer signifikant höheren GI- (41,8%) und GU-Toxizität Grad ≥2 (35,9%) assoziiert als laparoskopische/roboterassistierte Verfahren (18,9% bzw. 12,2%). Ein Sicherheitsabstand zwischen CTV und PTV von ≥10 mm erhöhte die Toxizität zusätzlich, insbesondere in Kombination mit einer ausgedehnten Lymphadenektomie. Die SRT-Technik und die ADT waren in einigen Untergruppen zusätzliche Prädiktoren.

Zusammenfassung

Diese Studie beleuchtet das Zusammenspiel von Patientenmerkmalen, Operationstechniken und Strahlentherapieparametern bei der Bestimmung der akuten Toxizität nach SRT. Entscheidungsbaumbasierte ML-Modelle zeigten, dass sie das Risiko akuter gastrointestinaler und urogenitaler Toxizitäten präzise einschätzen und eine verständliche Erklärung für die individualisierte Risikovorhersage liefern können. Die Studienergebnisse unterstreichen die Bedeutung personalisierter Behandlungsstrategien zur Minimierung der Toxizität und zur Optimierung der Patientenergebnisse.

Deodato F, et al. 2025. A Multicenter Machine Learning-Based Predictive Model of Acute Toxicity in Prostate Cancer Patients Undergoing Salvage Radiotherapy (ICAROS Study). Cancers 25;17(13):2142. doi: 10.3390/cancers17132142.