คุณค่าการพยากรณ์โรคด้วย immunohistochemistry ในผู้ป่วย diffuse large B-cell lymphoma รักษาด้วย R-CHOP

ที่มา: Diffuse large B-cell lymphoma เป็นมะเร็งที่พบบ่อยและการด าเนินโรครุนแรง ผู้ป่วยได้รับยามาตรฐาน R-CHOP มีโอกาสล้มเหลวร้อยละ 30 วัตถุประสงค์: 1) เพื่อประเมินคุณค่าของปัจจัย immunohistochemistry (IHC) ในการ พยากรณ์ 2) เปรียบเทียบโมเดล IPI ในการพยากรณ์ และ 3) การเพิ่ม IHC ต่อ IPI (IPI+IHC) จะเพิ่ม การพยากรณ์หรือไม่ วิธีการศึกษา: ศึกษาจากข้อมูลผู้ป่วย DLBCL ได้รับการวินิจฉัยระหว่างวันที่ 1 มกราคม พ.ศ.2557 ถึง 30 มิถุนายน พ.ศ.2563 รักษาด้วย R-CHOP ที่รพ.ธรรมศาสตร์เฉลิมพระเกียรติหรือรพ. รามาธิบดี ติดตามผู้ป่วยถึงวันที่ 31 กรกฎาคม พ.ศ.2564 ปัจจัย IHC ได้แก่ double expressor MYC+/BCL2+ (DE), non-germinal center B-cell (non-GCB) และ high proliferation index (Ki-67 ≥70%) โมเดล IPI ได้แก่ all patients IPI (IPI), revised IPI (R-IPI) และ enhanced-IPI (NCCN-IPI) ผลลัพธ์ทางคลินิกคือโอกาสรอดชีพจากการรุกรานของโรค (progression free survival, PFS) และการเสียชีวิตจากทุกสาเหตุ (overall survival, OS) วิเคราะห์สถิติในการประเมินคุณค่าของ ปัจจัยในการพยากรณ์โดย Cox proportional hazards model เปรียบเทียบโมเดล โดย Harrell’s concordance index (C-index), calibration plot (slope), Akaike’s information criteria (AIC) และ net reclassification improvement (NRI) ผลการศึกษา: การวิจัยเชิงพยากรณ์จากประชากร 288 คน เป็น DE ร้อยละ 37 (88/238 คน) non-GCB ร้อยละ 65 (176/271 คน) และ Ki-67 ≥70% ร้อยละ 89 (237/266 คน) ระยะเวลาติดตามผู้ป่วยกลาง 2.7 ปี (0.3-7.5 ปี) โรครุกรานร้อยละ 44 (126/288 คน) เสียชีวิตร้อยละ 29 (83/288 คน) DE มี PFS ต่ ากว่า non-DE (median PFS DE 2.8 ปี vs. non-DE ไม่ถึง, log-rank P value 0.025 และ multivariable HR 1.5, 95% CI 1.0-2.3, P-value 0.042), non-GCB มีแนวโน้ม PFS ต่ ากว่า GCB (median PFS non-GCB 3.7 ปี vs. GCB 6.4 ปี, multivariable HR 1.5, 95% CI 1.0-2.2, P-value 0.065), Ki-67 ≥70% ไม่ส่งผลต่อ PFS และทั้งสาม IHC ไม่มีอิทธิพลต่อ OS อย่างมีนัยสำคัญ โมเดลพยากรณ์ทางคลินิกที่จ าแนกผู้ป่วยได้สูงสุดคือ NCCN-IPI (PFS C-index 0.6350 and OS C-index 0.6757) แต่ไม่สูงแตกต่างจาก IPI อย่างมีนัยส าคัญ (C-index PFS IPI 0.6168, P value 0.111 และ OS IPI 0.6577, P-value 0.218) และมีแนวโน้มแตกต่างจาก R-IPI ในการทำนาย PFS (C-index PFS R-IPI 0.6071, P-value 0.054 และ OS IPI 0.6490, P-value 0.159) ทั้งสาม โมเดลแยกแยะเหตุการณ์ได้ใกล้เคียงกัน (calibration slope ส าหรับ progression IPI 0.973, R-IPI 0.970 และ NCCN-IPI 0.965 และ ส าหรับ death NCCN-IPI 0.980, R-IPI 0.979 และ IPI 0.978) และ NCCN-IPI มี global fit ดีที่สุด (AIC PFS NCCN-IPI 1294, IPI 1302, R-IPI 1303 และ OS NCCN-IPI 843, R-IPI 851, และ IPI 852) การเติม DE ในโมเดล NCCN-IPI (NCCN-IPI+DE) ช่วยแบ่งกลุ่มผู้ป่วยที่มี progression ได้ถูกต้องเพิ่มขึ้น (NRI ร้อยละ 10.6, P-value 0.026) เพิ่มการพยากรณ์ PFS ได้เล็กน้อยแต่ไม่มี นัยส าคัญทางสถิติ (C-index NCCN-IPI+DE 0.6595 v. NCCN-IPI 0.6427, P-value 0.462) ไม่ส่งผลต่อการพยากรณ์ OS (C-index NCCN-IPI+DE 0.7056 v. NCCN-IPI 0.7062, P-value 0.462 และ NCI ติดลบร้อยละ 3.0, P-value 0.297) สรุปผลการศึกษา: ในการพยากรณ์โรคของผู้ป่วย DLBCL ที่รักษาด้วย R-CHOP พบว่า มีเพียง DE ที่มีคุณค่าในการพยากรณ์ PFS และ DE non-GCB Ki-67 ไม่ท านาย OS, โมเดล NCCN-IPI พยากรณ์โรคได้ดีที่สุด และ โมเดล NCCN-IPI+DE เพิ่มการพยากรณ์ PFS แต่ไม่ส่งผลต่อ OS