gms | German Medical Science

Einleitung: Die CAR-T-Zell-Therapie ist eine weitere Behandlungsoption zusätzlich zur Stammzelltransplantation, die unter anderem bei Patienten mit rezidiviertem oder refraktärem großzelligem B-Zell-Lymphom (LBCL) angewendet wird. Dabei handelt es sich um eine Form der Immuntherapie, bei welcher der Patient seine eigenen, gentechnisch veränderten T-Zellen erhält. Prognostische Faktoren, die mit einem kürzeren progressionsfreien Überleben (PFS) assoziiert sind, sind noch nicht vollständig erforscht, können aber die Wahl der Therapie beeinflussen und damit zu höheren Erfolgen in der Krebstherapie führen.

Um dies zu untersuchen, konnten Daten von 88 Patienten aus 5 Zentren mit rezidiviertem oder refraktärem LBCL gesammelt werden. In vorhergehenden Arbeiten wurden bereits das Tumorvolumen der Patienten sowie das Vorliegen eines extranodalen Befalls als relevante prognostische Faktoren identifiziert [1], [2]. Die Verwendung von zwei verschiedenen Zellkonstrukten (Tisagenlecleucel (N=62) und Axicabtagene Ciloleucel (N=26)) wurde dabei ebenfalls berücksichtigt. Das Ziel ist es nun, mit Hilfe von statistischen Verfahren zusätzliche relevante Faktoren zu identifizieren, die aufgrund der kleinen Stichprobe bisher nicht entdeckt werden konnten.

Methoden: Aus den Daten werden zunächst B = 5000 Bootstrapstichproben gezogen. Für jede Stichprobe wird dann für die Zielgröße PFS ein Cox-Regressionsmodell angepasst. Die betrachteten festen Effekte, die auf den bisherigen Arbeiten [1], [2] basieren, sind das Tumorvolumen, der extranodale Befall, das Zellkonstrukt und die Wechselwirkung zwischen Tumorvolumen und Zellkonstrukt. Das behandelnde Zentrum wird als zufälliger Effekt mitberücksichtigt. Anschließend wird aus jedem so angepassten Modell für jeden Patienten das individuelle Hazard Ratio (HR) vorhergesagt, sodass für jeden Patienten B HRs vorliegen. Um diese Verteilung der HRs für jeden Patienten zu untersuchen, werden zunächst deskriptive Analysen durchgeführt. Dadurch werden Unterschiede der Schätzer zwischen den Patienten und Ähnlichkeiten der Schätzer eines Patienten betrachtet. Anschließend wird der logarithmierte Median der HRs für jeden Patienten bestimmt. Der Logarithmus erlaubt hier die spätere Interpretation von Differenzen. Dieser wird im Hinblick auf Gemeinsamkeiten der Patienten mit hohen und mit niedrigen Werten der HRs analysiert und mit anderen vorliegenden Variablen (z.B. Alter, Geschlecht, Tumorstadium, IPI-Risikoscore) auf Zusammenhänge untersucht. Hierfür werden sowohl Differenzen der Mediane der logarithmierten medianen HRs als auch ROC-Analysen verwendet.

Ergebnisse: In ersten Analysen konnte unter anderem das Tumorstadium (0-2 vs. 3/4) als prognostischer Faktor identifiziert werden. Durch diese Variable werden die in den Bootstrapstichproben erzeugten logarithmierten Mediane der Verteilung der HRs vergleichsweise gut getrennt. Dies ist sowohl in der Darstellung der beiden Gruppen (hohes vs. niedriges Tumorstadium) in Histogrammen als auch in der ROC-Analyse (AUC = 0,82) erkennbar. Während der logarithmierte Median der HRs bei einem Tumorstadium von 0-2 bei 0,18 liegt, liegt dieser bei einem Tumorstadium von 3 oder 4 bei 0,71, was einer Differenz der Mediane von 0,53 entspricht. Auch der IPI-Risikoscore scheint in ersten Analysen eine Rolle zu spielen. Variablen wie das Alter (≤60 vs. >60 Jahre) und das Geschlecht der Patienten scheinen hingegen weniger relevant (Differenz der Mediane < 0,3).

Schlussfolgerung und Diskussion: Durch die Verwendung von Bootstrapverfahren konnte die Datenbasis einer relativ kleinen Stichprobe, wie sie insbesondere bei neueren medizinischen Verfahren wie der CAR-T-Zell-Therapie vorliegt, erweitert werden, was die Anwendung weiterer Methoden und damit eine exaktere Identifikation von Einflussfaktoren ermöglicht.

Die Autoren geben an, dass kein Interessenkonflikt besteht.

Die Autoren geben an, dass ein positives Ethikvotum vorliegt.