pov3-21
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
ONCOLOGY
BULLETIN
OF THE VOLGA REGION Vol. 12, no. 3. 2021
учитывающих не только линейные взаимодействия
между параметрами, RMI, на сегодняшний
день показала наилучшие диагностические
характеристики и является самой практичной
с клинической точки зрения.
Предиктивные модели для прогнозирования
эффективности лечения рака яичников
Как было указано ранее, модели, оценивающие
эффективность лечения рака яичников, называются
предиктивными. В данном обзоре мы
разделили предиктивные модели на 2 категории:
оценивающие эффективность химиотерапии
и модели, оценивающие вероятность оптимальной
циторедукции.
Предиктивные модели, оценивающие эффективность
химиотерапии при раке яичников
Для разработки прогностических моделей
с целью оценки эффективности химиотерапии
были применены разнообразные методики моделирования,
такие как регрессионный анализ
пропорциональных рисков Кокса, логистическая
регрессия, иерархическое группирование, тест
Стюдента, Манн — Уитни и т.д. Большинство этих
методик не являются истинно статистическими
методами для моделирования или прогноза,
а являются классифицирующими методами,
разделяющими пациентов на тех, у кого «прогноз
хороший» и у кого «прогноз плохой».
Для клинической практики, однако, рекомендованы
именно тесты, основанные на регрессионном
анализе, которые смогут прогнозировать исходы
лечения. К таким тестам относятся логистическая
и линейная регрессия, метод пропорциональных
рисков Кокса и гребневая регрессия.
Из предиктивных моделей следует упомянуть
модели, разработанные Glaysher S., Gabriel F.G.,
Johnson P. и соавторы [31] и Vogt U., Falkiewicz B.,
Bielawski K. и соавторы [32] в которых оценивалась
эффективность различных схем и их сочетания
на примере отдельных моделей. Недостатком
является то, что они рассматривали эту
эффективность на культуре in vitro в сочетании
с профилированием генной экспрессии, чтобы
сформировать тренировочную базу данных.
Jeong W. и соавторы изучили ответ на таксановые
препараты у 185 пациентов с раком яичников
при помощи модели на основании гена
YAP1. В данной модели прогноз был изучен при
помощи нескольких статистических анализов
на одной и той же когорте пациентов: кривые
выживаемости Каплан — Мейер, регрессионный
анализ, модель пропорциональных рисков
Кокса. В результате исследования авторы доказали
предиктивную роль данной генной подписи
[33].
В отличие от предыдущих авторов, J. Stuart
Ferriss, Youngchul Kim, Linda Duska и соавторы
изучили предиктивную роль относительно чувствительности
к платиновым препаратам при
помощи мультигенной модели. Недостатком данной
модели также является проведение исследования
in vitro, однако, полученные данные потом
были сопоставлены с историческим когортом.
Примененный статистический метод авторы назвали
«корреляцией корреляций», которая сначала
вычисляет корреляции экспрессии внутри
каждого набора идентичных генов, а затем оценивается
корреляция по генам между двумя корреляционными
матрицами из двух наборов [34].
Предиктивные модели играют важную роль не
только при лечении пациентов, чувствительных
к платиновым и таксановым препаратам, но также
при лечении химиорезистентных пациентов.
Группа пациентов, резистентная к платиновым
препаратам, очень гетерогенна с точки зрения
прогноза и общей выживаемости (9-17 месяцев
по данным разных авторов) [34, 35]. Традиционно
этот термин применяется к тем пациентам,
у которых болезнь прогрессирует в течение
6 месяцев после окончания предыдущего курса
химиотерапии платиновыми препаратами.
В клиническом исследовании CALYPSO авторы
выявили прогностические факторы как для чувствительных
к платиновым препаратам, так и для
резистентных пациентов [36]. На основании регрессионного
анализа была разработана номограмма
для классификации пациентов, которые
являются кандидатами для паллиативной химиотерапии.
Авторы включили в свою предиктивную
модель такие прогностические факторы, как размеры
опухоли, уровни CA125, асциты и другие
биологические характеристики опухоли. Все же,
у исследования есть определенные недостатки,
как например, отсутствие внешней валидизации,
не очень высокие диагностические показатели
(C-statistic Z 0.65) и отсутствие рассмотрения генетических
факторов.
Clinical research
59