Studi ini mengembangkan nomogram berbasis machine learning untuk memprediksi prognosis pasien kanker paru-paru dengan MPE. Tiga faktor klinis penting ditemukan: regimen pengobatan, efusi perikardial, dan volume efusi pleura. Model regresi logistik menunjukkan kinerja tertinggi dalam prediksi kelangsungan hidup. Temuan ini mendukung perlunya strategi perawatan yang dipersonalisasi.
Kanker paru-paru sering kali mengakibatkan komplikasi serius, yaitu efusi pleura malignan (MPE), yang berdampak pada prognosis dan kualitas hidup pasien. Penelitian terbaru mengidentifikasi faktor prediktor kelangsungan hidup dan mengembangkan nomogram berbasis machine learning untuk merancang strategi pengobatan yang lebih efektif bagi pasien MPE.
Studi ini dilakukan oleh peneliti dari Rumah Sakit Afiliasi Universitas Kedokteran Utara Sichuan, menggunakan data dari 2013 hingga 2023 dari berbagai rumah sakit di China. Metode statistik komprehensif digunakan untuk menganalisis variabel yang berhubungan dengan hasil pasien, yang bertujuan untuk meningkatkan akurasi prediksi prognosis bagi pasien kanker paru-paru dengan MPE.
Tiga faktor klinis yang ditemukan sebagai prediktor signifikan antara lain: regimen pengobatan, keberadaan efusi perikardial, dan total volume efusi pleura. Nomogram yang dihasilkan menunjukkan perbedaan kelangsungan hidup yang signifikan antara berbagai kelompok risiko, memungkinkan evaluasi pasien yang lebih individual.
Penulis menyatakan, “Nomogram memungkinkan kuantifikasi risiko yang dipersonalisasi dan menunjukkan perbedaan kelangsungan hidup yang signifikan antara kelompok risiko tinggi/sangat tinggi dan kelompok risiko rendah/sedang.” Pendekatan ini bertujuan memberdayakan klinisi dengan alat yang andal untuk menilai hasil pasien.
Analisis menunjukkan bahwa model regresi logistik (LR) memberikan kinerja prediktif terbaik dengan nilai area di bawah kurva (AUC) 0.885 untuk kohort pelatihan dan 0.954 untuk kohort pengujian internal. Validasi independen juga dilakukan dengan kelompok pasien tambahan, mengonfirmasi efektivitas nomogram.
MPE sering kali disebabkan oleh kanker paru-paru, tetapi juga bisa muncul dari penyakit ganas lain. Penumpukan cairan abnormal dapat menyebabkan gejala seperti sesak napas dan nyeri dada, mengganggu aktivitas sehari-hari. Dengan rentang waktu kelangsungan hidup median 3 hingga 12 bulan, penting untuk mengidentifikasi indikator prognostik yang akurat.
Berbagai pilihan terapi saat ini tersedia, mulai dari torakentesis yang dipandu ultrasound hingga kateter pleura tetap dan pendekatan kemoterapi. Namun, masing-masing metode memiliki risiko dan komplikasinya sendiri, tanpa konsensus tentang pengobatan yang paling efektif. Oleh karena itu, hasil klinis pasien dengan MPE tetap bervariasi.
Studi ini menggarisbawahi pentingnya strategi pengobatan yang dipersonalisasi, menunjukkan bahwa pasien dengan kategori risiko rendah cenderung memiliki hasil yang jauh lebih baik dibandingkan pasien berisiko tinggi. Di kelompok risiko rendah dengan 60 pasien, hanya satu yang memiliki waktu kelangsungan hidup kurang dari satu tahun. Sementara itu, kelompok risiko sangat tinggi memiliki angka kematian mencapai 100%.
Temuan ini membuka wawasan penting mengenai kompleksitas pengobatan pasien MPE. Akurasi prediktif model LR menunjukkan potensi penggunaannya dalam praktik klinis. “Model LR menunjukkan kinerja terbaik, mencapai nilai AUC 0.885 di kohort pelatihan,” tulis penulis dalam ringkasan efikasi model tersebut.
Dalam menjelajahi kompleksitas pengobatan kanker paru-paru, model prediktif seperti ini menawarkan prospek baru untuk intervensi dini. Nomogram ini adalah langkah penting menuju peningkatan prognosis pasien kanker paru-paru dengan MPE, menegaskan perlunya perawatan yang dipersonalisasi dalam onkologi.
Studi ini berhasil mengembangkan nomogram berbasis machine learning yang dapat memprediksi prognosis pasien kanker paru-paru dengan MPE secara akurat. Identifikasi faktor klinis penting dan penerapan model regresi logistik menunjukkan potensi besar dalam perawatan yang dipersonalisasi, menyoroti perbedaan signifikan antara kelompok risiko. Pengobatan yang lebih terarah diharapkan dapat meningkatkan kualitas hidup serta hasil klinis pasien.
Sumber Asli: evrimagaci.org
