Un modello integrato per predire il rischio di eventi avversi immuno-correlati nel carcinoma polmonare non a piccole cellule in stadio avanzato: i risultati di uno studio nella pratica clinica.

Background: Immune-related Adverse Events (irAEs) are overall manageable but prompt recognition and treatment are needed. Clinical predictors for the risk of irAEs are not currently available. Methods We retrospectively collected clinico-pathological data for patients with advanced Non-small cell lung cancer (NSCLC) consecutively treated at our Institution with immune checkpoint inhibitors (ICIs) or chemoimmunotherapy. The primary aim was to select the clinical factors associated with the onset of irAEs using a machine learning-based risk prediction model. Results 610 patients were included: 480 (78.7 %) were treated with ICIs, 130 (21.3 %) with chemoimmunotherapy. 254 (41.6 %) patients developed an any-grade irAE, 50 of whom (20 %) were of grade 3 or more. Using a LASSO regression model, we identified the most robust predictors of immune-related toxicity. The highest risk of irAEs was for patients with a PD-L1 level of 50% or more, with baseline neutrophile/lymphocyte ratio (NLR)<3 or with 3 or fewer metastatic sites. We built a nomogram to visually display the contribution of each factor in the risk of irAEs. For a first irAE, the variables associated with a risk probability of 50% or more were a number of metastastic sites of three or less, a PD-L1 of 50% or more, and a basal NLR of 3 3 or less. For an irAE recurrence, the strongest impact was observed for the number of metastatic sites and the receipt of mono-immunotherapy.. Conclusions Integrating clinico-pathological features and circulating biomarkers is able to predictive the risk of irAE onset and might potentially be used in clinical practice to personalize patients’ management and follow-up.

Premessa: Gli eventi avversi immuno-correlati (irAEs) sono nel complesso gestibili se vi è un tempestivo riconoscimento e si attua un adeguato trattamento. Attualmente non sono disponibili predittori clinici per il rischio di irAEs. Metodi: Abbiamo raccolto retrospettivamente i dati clinico-patologici dei pazienti con carcinoma polmonare non a piccole cellule in stadio avanzato trattati presso il nostro istituto con inibitori del checkpoint immunitario (ICI) o chemioimmunoterapia. L'obiettivo primario era selezionare i fattori clinici associati all'insorgenza di irAEs utilizzando un modello di previsione del rischio basato sul machine learning. Risultati: Sono stati inclusi 610 pazienti: 480 (78,7%) sono stati trattati con ICI, 130 (21,3%) con chemioimmunoterapia. 254 (41,6%) pazienti hanno sviluppato un irAE di qualsiasi grado, 50 dei quali (20%) di grado 3 o superiore. Utilizzando un modello di regressione LASSO, abbiamo identificato i predittori più solidi di tossicità immuno-correlata. Il rischio più elevato di irAE era per i pazienti con un livello di PD-L1 pari o superiore al 50%, con un rapporto neutrofili/linfociti (NLR)<3 al basale o con un numero di siti metastatici minore o uguale a 3. Abbiamo poi, costruito un nomogramma per visualizzare il contributo di ciascun fattore al rischio di irAE. Per un primo irAE, le variabili associate a una probabilità di rischio del 50% o più erano un numero di siti metastatici pari o inferiore a tre, un PD-L1 pari o superiore al 50% e un NLR al basale pari o inferiore a 3. Per una recidiva di irAE, l'impatto più forte è stato osservato per il numero di siti metastatici e la ricezione di una monoimmunoterapia. Conclusioni: L'integrazione delle caratteristiche clinico-patologiche e dei biomarcatori circolanti è in grado di predire il rischio di insorgenza di irAE e potrebbe essere utilizzata nella pratica clinica per personalizzare la gestione e il follow-up dei pazienti.