Modelo predictivo para predecir la RFS en cáncer de próstata

El cáncer de próstata es el segundo cáncer más frecuente en hombres a nivel global y la quinta causa principal de muerte por cáncer. Aunque la prostatectomía radical laparoscópica (LRP) es un tratamiento consolidado con una excelente tasa de éxito, la predicción del pronóstico postoperatorio sigue siendo un desafío, ya que los indicadores actuales, como el estado de los ganglios linfáticos, a menudo solo se evalúan después de la cirugía. En este contexto, un estudio ha explorado el valor de biomarcadores preoperatorios fácilmente accesibles para construir un modelo predictivo que ayude a guiar las estrategias de tratamiento personalizadas.

🎨 ¿Cuál fue el diseño?

Este estudio retrospectivo analizó a 320 pacientes con cáncer de próstata que se sometieron a LRP en el Hospital Chaoyang de Beijing entre enero de 2017 y diciembre de 2022. El objetivo fue explorar el valor pronóstico de indicadores hematológicos preoperatorios, tales como:

• NLR: relación neutrófilo-linfocito

• PLR: relación plaqueta-linfocito

• LMR: relación linfocito-monocito

• RDW: ancho de distribución de glóbulos rojos

• PNI: índice nutricional pronóstico

A partir de estos, el equipo investigador construyó un nomograma para predecir la RFS.

Se dividió a los pacientes en 2 grupos para desarrollar y validar el modelo, respectivamente:

• Grupo de entrenamiento, 210 pacientes

• Grupo de validación externa, 110 pacientes

🔎 ¿Qué encontraron?

• 🩸 Indicadores sanguíneos y RFS: El análisis mostró que niveles más altos de NLR, PLR y RDW o más bajos de LMR y PNI preoperatorios se asociaron con una RFS más corta.

• 📉 Factores de riesgo independientes: El análisis multivariable identificó la densidad del antígeno prostático específico (PSAD), el PNI, la puntuación NPL-IRS, la puntuación de Gleason (GS) y el margen quirúrgico positivo (PSM) como factores de riesgo independientes para la RFS.

• 📈 Rendimiento del nomograma: El nomograma construido a partir de estos parámetros demostró una excelente capacidad predictiva para la RFS a uno, tres y cinco años. En el grupo de entrenamiento, el área bajo la curva (AUC) fue de 0,828, 0,867 y 0,892 respectivamente. En el grupo de validación externa, el AUC fue de 0,847, 0,894 y 0,906, lo que confirmó la alta precisión y valor clínico del modelo.

🎯 ¿Qué conclusiones se obtuvieron?

Los resultados sugieren que los valores elevados preoperatorios de NLR, PLR y RDW, así como los valores bajos de LMR y PNI, están directamente relacionados con un peor pronóstico postoperatorio para los pacientes con cáncer de próstata. 

El nomograma desarrollado en este estudio, que integra la puntuación NPL-IRS, el PNI, el PSAD, el GS y el PSM, podría convertirse en una herramienta valiosa para predecir el riesgo de recurrencia en pacientes que se someten a LRP. Este modelo podría ser fundamental para proporcionar una guía postoperatoria más precisa, permitiendo a los médicos tomar decisiones informadas sobre la necesidad de terapias adyuvantes y un seguimiento más riguroso para aquellos pacientes con mayor riesgo de recaída.