Die Behandlung fortgeschrittener Sarkome verbessert sich durch künstliche Intelligenz
Fortgeschrittene Weichteilsarkome stellen aufgrund ihrer Seltenheit und Vielfalt eine große Herausforderung in der Onkologie dar. Eine aktuelle Analyse hat wichtige Erkenntnisse geliefert, um die Behandlungen jenseits der zweiten Therapielinie zu optimieren – eine Phase, in der die Optionen begrenzt und die Entscheidungen komplex werden.
Die Studie umfasste 90 Patienten mit fortgeschrittenen Sarkomen, die eine dritte oder weitere Behandlungslinie erhalten hatten. Die Forscher nutzten Tools der künstlichen Intelligenz, um die Faktoren zu identifizieren, die das Gesamtüberleben beeinflussen. Dabei zeigte sich, dass ein Fortschreiten der Erkrankung unter der zweiten Therapielinie die Überlebenschancen deutlich verringerte. Umgekehrt wiesen Patienten mit Liposarkomen oder Leiomyosarkomen eine verlängerte Überlebenszeit auf. Ebenso war eine progressionsfreie Zeit von mehr als einem Jahr nach der ersten Therapielinie mit einer besseren Prognose verbunden.
Die Ergebnisse zeigten auch, dass der Zeitpunkt der Verabreichung bestimmter Medikamente unterschiedliche Auswirkungen hatte. Trabectedin behielt beispielsweise seine Wirksamkeit auch in der vierten Linie bei, was darauf hindeutet, dass es später im Therapieverlauf eingesetzt werden könnte. Pazopanib hingegen schien wirksamer zu sein, wenn es früher, bereits in der zweiten Linie, eingeführt wurde. Die Kombination aus Gemcitabin und Docetaxel zeigte dagegen eine stabile Wirksamkeit, unabhängig von der Therapielinie.
Diese Beobachtungen unterstreichen die Bedeutung des Ansprechens auf vorherige Behandlungen und des Tumortyps für die Entscheidungsfindung. Sie eröffnen auch Möglichkeiten, die Reihenfolge der Therapieverabreichung basierend auf ihrem Wirkmechanismus und ihrer Verträglichkeit zu verfeinern. Weichteilsarkome, obwohl selten, könnten so von individuelleren Strategien profitieren, die an jeden Patienten und jedes Stadium der Erkrankung angepasst sind.
Sources et crédits
Étude source
DOI : https://doi.org/10.1007/s40487-026-00446-7
Titre : Machine Learning-Guided Survival Prediction and Treatment Sequencing in Advanced Soft Tissue Sarcoma Beyond Second-Line Therapy: A Retrospective Cohort Study
Revue : Oncology and Therapy
Éditeur : Springer Science and Business Media LLC
Auteurs : Michael Hoberger; Dorit Di Gioia; Romy L. Zuber; Michael Völkl; Sinan E. Güler; Vindi Jurinovic; Markus Albertsmeier; Alexander Klein; Hans Roland Dürr; Nina-Sophie Schmidt–Hegemann; Thomas Knösel; Wolfgang G. Kunz; Michael von Bergwelt–Baildon; Lars H. Lindner; Anton Burkhard–Meier; Luc M. Berclaz