Penelitian terbaru mengembangkan nomogram berbasis machine learning untuk memprediksi prognosis pada pasien kanker paru-paru dengan efusi pleura malignan. Tiga faktor klinis utama teridentifikasi sebagai prediktor signifikan: rejimen pengobatan, pericardial effusion, dan volume pleural. Model regresi logistik menunjukkan kinerja prediktif terbaik, membantu dalam penentuan strategi perawatan yang dipersonalisasi.
Pasien kanker paru-paru sering menghadapi komplikasi berupa efusi pleura malignan (MPE), yang dapat mempengaruhi prognosis dan kualitas hidup mereka. Penelitian baru-baru ini mengidentifikasi prediktor penting untuk kelangsungan hidup dan mengembangkan nomogram berbasis machine learning untuk menyesuaikan strategi perawatan.
Studi ini dilakukan oleh peneliti dari Rumah Sakit Afiliatif Perguruan Tinggi Kedokteran Utara Sichuan dan institusi lain, menggunakan data dari 2013 hingga 2023 di berbagai rumah sakit di Tiongkok. Mereka menerapkan teknik statistik komprehensif untuk menganalisis variabel yang terkait dengan hasil pasien untuk meningkatkan akurasi prediksi prognosis.
Tiga faktor klinis terpenting ditemukan sebagai prediktor signifikan: rejimen pengobatan, keberadaan efusi perikardial, dan total volume efusi pleura. Nomogram yang dihasilkan menunjukkan perbedaan kelangsungan hidup yang substansial di antara kelompok risiko yang berbeda, memfasilitasi evaluasi individual pasien.
“Nomogram memungkinkan kuantifikasi risiko yang dipersonalisasi dan menunjukkan perbedaan kelangsungan hidup yang signifikan antara kelompok risiko tinggi/sangat tinggi dan kelompok risiko rendah/menengah,” ujar penulis penelitian tersebut. Pendekatan ini bertujuan memberikan alat yang andal bagi klinisi dalam menilai hasil pasien di masa depan.
Analisis menunjukkan model regresi logistik (LR) memberikan kinerja prediktif terbaik dengan nilai area di bawah kurva (AUC) 0,885 untuk kohort pelatihan, 0,954 untuk kohort pengujian internal, dan 0,920 untuk kohort pengujian eksternal 1. Validasi independen dengan kelompok pasien tambahan juga mendukung efektivitas nomogram.
Efusi pleura malignan umumnya disebabkan oleh kanker paru, tetapi dapat muncul dari kanker lain. Penumpukan cairan aneh di pleura dapat menyebabkan gejala seperti sesak napas, mengganggu aktivitas sehari-hari. Dengan waktu kelangsungan hidup rata-rata 3 hingga 12 bulan, penting untuk mengidentifikasi indikator prognostik yang akurat.
Pilihan terapi saat ini mencakup berbagai teknik, seperti torakentesis yang dipandu ultrasound dan kateter pleura yang dapat dipasang. Namun, setiap metode memiliki risiko dan komplikasi sendiri, dan belum ada konsensus tentang perawatan yang paling efektif. Akibatnya, hasil klinis untuk pasien dengan MPE masih bervariasi.
Studi ini menekankan pentingnya strategi pengobatan yang dipersonalisasi, menunjukkan bahwa pasien dengan kategori risiko rendah memiliki hasil yang jauh lebih baik dibandingkan pasien dengan risiko tinggi. Di kelompok risiko rendah yang terdiri dari 60 pasien, hanya satu yang memiliki waktu kelangsungan hidup kurang dari satu tahun, menghasilkan tingkat kematian hanya 1,67%. Sebaliknya, kelompok risiko sangat tinggi memiliki tingkat kematian 100%, semua 111 pasien meninggal dalam satu tahun.
Temuan ini memberikan wawasan penting tentang kompleksitas perawatan pasien dengan MPE. Akurasi prediktif model LR menegaskan potensi kegunaan klinisnya. “Model LR menunjukkan kinerja terbaik,” tambah penulis dalam ringkasan efektivitas model.
Studi ini menunjukkan pentingnya mempersonalisasi strategi perawatan untuk pasien kanker paru-paru dengan efusi pleura malignan. Temuan menunjukkan bahwa faktor klinis tertentu dapat secara signifikan memprediksi kelangsungan hidup. Model regresi logistik terbukti menjadi alat efektif dalam evaluasi risiko, menawarkan harapan untuk intervensi dini dan perbaikan hasil pasien di masa mendatang.
Sumber Asli: evrimagaci.org
