Un algoritmo scova il mieloma

Verso una migliore gestione delle terapie

Uno studio apparso sul Journal of Clinical Oncology mostra l'efficacia di un nuovo algoritmo nell'identificazione dei pazienti con mieloma multiplo e amiloidosi sistemica primaria.
La ricerca, che prefigura una migliore gestione della malattia, è stata condotta da scienziati dell'Università Cima di Navarra in collaborazione con lo Spanish Myeloma Group.
«Utilizzando la citometria a flusso abbiamo identificato un sottogruppo di pazienti, sia sintomatici che asintomatici, che hanno un profilo simile a quello osservato nei soggetti con gammopatia monoclonale di significato incerto (MGUS). Abbiamo anche rilevato un sottogruppo di pazienti affetti da un'altra malattia ematologica correlata, l'amiloidosi da catene leggere», spiega Bruno Paiva del Cima, parte del Cancer Center Clinica Universidad de Navarra, autore senior dello studio.
È stato messo a punto uno strumento online che consente agli ematologi di tutto il mondo di classificare i pazienti grazie a dati di citometria a flusso di routine. Attraverso i dati generati in oltre 10 anni da GEM-PETHEMA, il calcolatore identifica i pazienti con un profilo benigno in tempo reale e prevede la loro sopravvivenza in base a diverse caratteristiche clinico-biologiche.
L'algoritmo, validato su serie internazionali di pazienti provenienti da diversi paesi, può essere molto utile sia per i pazienti asintomatici che per quelli affetti da mieloma multiplo attivo. Fra gli asintomatici la probabilità di progressione è risultata molto bassa. Nel sottogruppo con mieloma multiplo attivo e profilo benigno, inoltre, l'80% dei pazienti ha mostrato tassi liberi da progressione a 5 anni dopo il trattamento intensivo con trapianto autologo, e l'interruzione del trattamento non ha aumentato il rischio di progressione, anche in quei pazienti che non avevano raggiunto la remissione completa.
L'efficacia dello strumento è stata verificata anche in un gruppo di pazienti con amiloidosi sistemica primaria, neoplasia ematologica molto rara con bassi tassi di sopravvivenza.

Fonte: Journal of Clinical Oncology 2023. Doi: 10.1200/JCO.22.01916
Journal of Clinical Oncology