Stratifizierung des Überlebens von Patienten mit kolorektalen Lebermetastasen nach kurativer Resektion durch maschinelles Lernen

Einleitung Die Leberresektion stellt die Therapie der Wahl bei Patienten mit kolorektalen Lebermetastasen (KRLM) dar. Dennoch ist die Prognose selbst nach kompletter Resektion aller Metastasen oftmals schwer abzuschätzen.

Ziele Ziel der Studie war die Stratifizierung des Gesamtüberlebens von Patienten mit KRLM nach kurativer Leberresektion durch einen Algorithmus für maschinelles Lernen basierend auf Gradient-Tree Boosting (GTB).

Methodik Patienten, die sich zwischen 2010 und 2021 im Universitätsklinikum RWTH Aachen einer primären Leberresektion aufgrund KRLM unterzogen, wurden untersucht. Ein auf GTB basierendes Modell wurde entwickelt, das die Patienten bezüglich des Gesamtüberlebens in eine Hochrisiko- und eine Gruppe mit niedrigerem Risiko einteilt. Die Einteilung erfolgte anhand präoperativer klinischer, onkologischer und radiologischer Daten. Das Model wurde auf ungesehenen Daten getestet. Unterschiede im Überleben wurden mit Kaplan-Meier und Cox Regression Analysen sowie dem log-rank Test untersucht.

Ergebnis Insgesamt wurden 487 Patienten eingeschlossen. Hiervon war 389 (80%) im Training- und 98 (20%) im Test-Datensatz enthalten. Aus dem Test-Datensatz teilte Das Model 20 (20%) bzw. 78 (80%) Patienten des Test-Datensatzes in die Hochrisiko- bzw. nicht-Hochrisiko Gruppe ein. Die Hochrisiko-Gruppe zeigte ein statistisch signifikant verringertes Gesamtüberleben (23 Monate vs. 52 Monate, p=0.005) mit einer Hazard Ratio von 2.434 (95%CI 1.280-4.627, p=0.007). Die wichtigsten Prädiktoren im verwendeten Model waren das präoperative Carcinoembryonale Antigen (CEA) im Serum, die Anzahl der Metastasen, der Durchmesser des größten Herdes, Alter, Body-Mass-Index sowie der Differenzierungsgrad des Primärtumors.

Schlussfolgerung Ein trainiertes GTB Model kann gefährdete Patienten nach kurativ intendierter Leberresektion aufgrund KRLM identifizieren. Enge postoperative Nachsorge und aggressive Chemotherapie könnten für diese Patienten von Vorteil sein.

Publication History

Article published online:
19 August 2022