Frei# Hauptproblem bei der Einführung eines Screeningprogramms für Lungenkrebs mittels low-dose Computertomographie (CT) ist die Definition eines positiven Befundes und die Behandlung der Lungenherde, welche in den Aufnahmen diagnostiziert wurden. Forscher erstellten in einer aktuellen Studie (1) ein Modell und online-Kalkulator (2), um die Wahrscheinlichkeit der Malignität der pulmonalen Herde zu berechnen.
Forscher untersuchten in dieser populationsbasierten, prospektive Studien die Faktoren für die Vorhersage von erkennbaren Lungenherden im ersten low-dose Screening-CT. Aus diesen soll ermittelt werden ob die Befunde maligne sind oder unter Umständen im follow-up maligne werden.
Dazu analysierten die Wissenschaftler Daten von zwei Gruppen von Patienten die eine low-dose Screening-CT hatten durchführen lassen. Die Entwicklungsdatenbank enthielt Teilnehmer aus der Pan-Canadian Early Detection of Lung Cancer Study (PanCan). Der Datensatz zur Bestätigung der gewonnenen Informationen enthielt Patienten welche auch an Chemopräventionsstudien der British Columbia Cancer Agency (BCCA) teilnahmen, welche vom U.S. National Cancer Institut finanziert wird. Das Outcome aller in der ersten CT erfassten Lungenherde wurden ermittelt. Um die Wahrscheinlichkeit für das Vorliegen von Lungenkrebs zu bestimmen nutzten die Forscher sowohl ein Sparsamkeitsmodell als auch die multivariable logistische Regression nach Fuller.
Im PanCan Datensatz wurden bei 1871 Patienten 7008 Herde diagnostiziert von denen 102 maligne waren. Im BCCA Datensatz wurden 5021 Herde bei 1090 Patienten ermittelt, davon 42 maligne Befunde. Bei Patienten mit Lungenherden betrug die Krebsrate in den beiden Datenbanken 5,5% bzw. 3,7%.
Die Prädiktoren für eine Krebserkrankung waren älteres Alter, weibliches Geschlecht, Krebserkrankungen in der Familie, Emphysem, größerer Lungenherd (>10mm), Lage im Oberlappen der Lunge, teilweise solides Gewebe, geringe Anzahl Herde sowie spikulierter/nadelartiger Aspekt.
Die Auswertung der Modelle (Sparsamkeitsmodell und multivariable logistische Regression nach Fuller) zeigte eine hervorragende Diskrimination und Kalibrierung mit einer Fläche von mehr als 0,9 unter der ROC-Kurve (receiver-operating-characteristic; auch Grenzwertoptimierungskurve), sogar für Lungenherde die 10mm und kleiner waren im Datensatz zur Bestätigung der Informationen.
Fazit: Prädiktive Werkzeuge, basierend auf den Charakteristiken von Patienten und diagnostizierten pathologischen Lungenbefunden, können genutzt werden um genau die Wahrscheinlichkeit abzuschätzen, dass die Lungenherde in der ersten low-dose Computertomographie maligne sind.