Raadpleeg ook literatuurlijsten niet-toxische middelen en behandelingen specifiek bij borstkanker van arts-bioloog drs. Engelbert Valstar.

30 oktober 2022: Bron: NKI en NU.nl

Hoeveelheid afweercellen voorspelt noodzaak chemo bij triple-negatieve borstkanker

Een op de vijf jonge vrouwen met triple-negatieve borstkanker (een agressieve vorm van borstkanker) en schone lymfeklieren heeft een uitstekende prognose zónder behandeling met chemotherapie. Het risico op uitzaaiingen, en daarmee de noodzaak voor chemotherapie, kan worden voorspeld door te kijken naar de hoeveelheid afweercellen (TIL) rond de tumor. Dit hebben arts-onderzoeker Vincent de Jong en anderen uit de groep van arts en onderzoeksleider Sabine Linn van het Antoni van Leeuwenhoek ontdekt, samen met onderzoekers van het UMC Utrecht, het IKNL en de International Working Group on TILS.

Het gaat over dit onderzoek:

De patiënten

  • 441 vrouwen
  • gediagnosticeerd met triple-negatieve borstkanker tussen 1989 en 2000
  • Jonger dan 40 jaar
  • Geen uitzaaiingen in de lymfeklieren
  • Niet behandeld met chemotherapie
Zie verderop in dit artikel het volledige studieverslag: 

Deep learning-based breast cancer grading and survival analysis on whole-slide histopathology images


Met deze titel: Borstkankerpatiënten op maat behandelen voorkomt onnodige chemo of medicatie
publiceerde nu.nl vandaag d.d. 30 oktober 2022 een nagenoeg zelfde artikel over een studie die dus al in maart 2022 werd gepubliceerd op de website van het NKI met deze titel: 

Hoeveelheid afweercellen voorspelt noodzaak chemo bij triple-negatieve borstkanker

Kern van de uitkomst uit deze studie is dat onder de vrouwen die de diagnose borstkanker kregen van het type triple-negatieve borstkanker het immuunsysteem zonder behandeling de borstkanker opruimde. Zoals prof. dr. Sabine Till zegt in het artikel: "Bij triple-negatieve borstkanker weten we dat het afweersysteem cruciaal is. We hebben ontdekt dat ongeveer 20 procent van die groep veel afweercellen in de borst heeft, die de kankercellen opruimen. Uit studies blijkt dat die vrouwen geen medicijnen of chemo nodig hebben. Opereren en bestralen is voldoende. Op voorwaarde dat de okselklieren 'schoon' zijn."

en: "Onderzoekers in Europa hebben ontdekt dat het risico op uitzaaiingen bij de groep met veel afweercellen na vijftien jaar slechts 2 procent is. Dat risico is heel laag."

Nog een citaat uit het artikel: 

Immuuntherapie zet goede cellen aan tot actie

Sommige vrouwen hebben die afweercellen niet, of een beetje. Bij die groep kan immuuntherapie goed helpen. Die therapie zorgt er volgens Linn voor dat het eigen afweersysteem in actie komt om kankercellen te vernietigen. De behandelmethode wordt al succesvol ingezet tegen andere vormen van kanker, zoals long-, darm- en huidkanker.

Bij borstkanker is immuuntherapie nu nog geen standaardbehandeling in Nederland. "Op dit moment gebeurt het alleen nog in combinatie met chemo. In de toekomst willen we kijken of alleen immuuntherapie voldoende is en patiënten de chemo dus niet hoeven te ondergaan."

Nog een citaat: 

Hoog percentage afweercellen: chemo geen toegevoegde waarde

De uitkomst: vrouwen met een hoog TIL-percentage (75% en hoger) rond de tumor, hadden een zeer gunstige prognose: hun kans op uitzaaiingen op afstand na vijftien jaar was zonder chemotherapie ongeveer twee procent. Dit was het geval bij één op de vijf vrouwen in de studie.

‘Chemotherapie heeft in zo’n situatie geen toegevoegde waarde’, zegt onderzoeksleider Sabine Linn. ‘Omdat chemotherapie het risico op uitzaaiingen op afstand kan halveren, zou deze behandeling in deze gunstige prognosegroep het risico terugbrengen naar één procent. Maar chemotherapie zelf heeft, als risico’s op fatale vroege en late bijwerkingen worden opgeteld, ook ongeveer één procent risico op overlijden.’>>>>>>>lees verder het artikel op nu.nl


Op deze website is een TOOL aan te klikken hoe stromal TILS kunnen worden gemeten: 

De studie van Vincent de Jong is onderdeel van de grotere PARADIGMA studie waarvan Vincent de Jongd dus een deelstudie maakte. Klik op de titel van het abstract voor het volledige studieverslag:

Abstract

Breast cancer tumor grade is strongly associated with patient survival. In current clinical practice, pathologists assign tumor grade after visual analysis of tissue specimens. However, different studies show significant inter-observer variation in breast cancer grading. Computer-based breast cancer grading methods have been proposed but only work on specifically selected tissue areas and/or require labor-intensive annotations to be applied to new datasets. In this study, we trained and evaluated a deep learning-based breast cancer grading model that works on whole-slide histopathology images. The model was developed using whole-slide images from 706 young (< 40 years) invasive breast cancer patients with corresponding tumor grade (low/intermediate vs. high), and its constituents nuclear grade, tubule formation and mitotic rate. The performance of the model was evaluated using Cohen’s kappa on an independent test set of 686 patients using annotations by expert pathologists as ground truth. The predicted low/intermediate (n = 327) and high (n = 359) grade groups were used to perform survival analysis. The deep learning system distinguished low/intermediate versus high tumor grade with a Cohen’s Kappa of 0.59 (80% accuracy) compared to expert pathologists. In subsequent survival analysis the two groups predicted by the system were found to have a significantly different overall survival (OS) and disease/recurrence-free survival (DRFS/RFS) (p < 0.05). Univariate Cox hazard regression analysis showed statistically significant hazard ratios (p < 0.05). After adjusting for clinicopathologic features and stratifying for molecular subtype the hazard ratios showed a trend but lost statistical significance for all endpoints. In conclusion, we developed a deep learning-based model for automated grading of breast cancer on whole-slide images. The model distinguishes between low/intermediate and high grade tumors and finds a trend in the survival of the two predicted groups.

Strengths and limitations of this study

  • Large cohort of adjuvant systemic treatment-naive patients, ideal for answering prognostic questions
  • Clinical data were derived from the Netherlands Cancer Registry, a large prospective registry with reliable data on many clinical variables.
  • Cause of death is unknown, as a result, breast cancer-specific survival cannot be addressed.
  • Adjuvant treatment allocation in the 1990s was based on nodal status; our cohort of untreated patients consists of mainly node negative patients, results are therefore not generalisable to young patients with node positive disease.

Supplementary Material

Reviewer comments:
Author's manuscript:

Acknowledgments

The authors would like to thank the registration team of the Netherlands Comprehensive Cancer Organization (IKNL) for the collection of data for the Netherlands Cancer Registry as well as IKNL staff for scientific advice. In addition, the authors would like to thank CTMM-TraIT for providing the IT infrastructure for capturing of clinical research data (TraIT OpenClinica environment), the Dutch Pathology Registry PALGA for providing histopathological data, the PALGA group for FFPE tissue specimens and the NKI- AVL Core Facility Molecular Pathology & Biobanking (CFMPB) for supplying NKI-AVL Biobank material and lab support.

Footnotes

PJD and SCL contributed equally.

Contributors: SS, PJD and SCL had the original idea for the study. The study idea was further developed by GMHED, NDH, MO, FA, ABB, RK, NS, MV, ACV and MKS. GMHED wrote the manuscript. All authors listed, critically reviewed the manuscript and approved the manuscript for submission.

Funding: The authors would like to thank The Netherlands Organisation for Health Research and Development (ZonMW) Project number 836021019, A Sisters Hope, De Vrienden van UMC Utrecht and Mr M Spanbroek for their financial support. Funders had no influence on study design, data collection or project management.

Competing interests: All authors have completed the Unified Competing Interest form (). Forms are available on request from the corresponding author. Authors declare the following: SCL reports grants from The Netherlands Organization for Health Research and Development (ZonMW) and A Sister’s Hope during the conduct of the study. SCL also received non-financial support from AstraZeneca, grants from AstraZeneca, Roche and Genentech and other from Novartis, Cergentis, PhilipsHealth BV, Roche and Astra Zeneca outside the submitted work. In addition, SCL has two patents pending (WO/2015/080585, PCT/NL2014/050813). AR reports grants, personal fees and non-financial support from Pfizer, grants and personal fees from Roche, Astra Zeneca, MSD, BMS, Merck and grants from Boehringer Ingelheim and Novartis outside the submitted work. NS reports grants from University Medical Centre Utrecht during the conduct of the study. SMW reports grants and personal fees from Roche, Pfizer, AstraZeneca and personal fees from MSD outside the submitted work.

Ethics approval: Medical Ethics Committee (METC) of the NKI.

Provenance and peer review: Not commissioned; externally peer reviewed.

References

1. Engelhardt EG, Garvelink MM, de Haes JH, et al.. Predicting and communicating the risk of recurrence and death in women with early-stage breast cancer: a systematic review of risk prediction modelsJ Clin Oncol 2014;32:238–50. 10.1200/JCO.2013.50.3417 [PubMed] [CrossRef[]
2. Partridge AH, Hughes ME, Warner ET, et al.. Subtype-dependent relationship between young age at diagnosis and breast cancer survivalJ Clin Oncol 2016;34:3308–14. 10.1200/JCO.2015.65.8013 [PubMed] [CrossRef[]
3. Azim HA, Michiels S, Bedard PL, et al.. Elucidating prognosis and biology of breast cancer arising in young women using gene expression profilingClin Cancer Res 2012;18:1341–51. 10.1158/1078-0432.CCR-11-2599 [PubMed] [CrossRef[]
4. Anders CK, Hsu DS, Broadwater G, et al.. Young age at diagnosis correlates with worse prognosis and defines a subset of breast cancers with shared patterns of gene expressionJ Clin Oncol 2008;26:3324–30. 10.1200/JCO.2007.14.2471 [PubMed] [CrossRef[]
5. Bharat A, Aft RL, Gao F, et al.. Patient and tumor characteristics associated with increased mortality in young women (< or =40 years) with breast cancerJ Surg Oncol 2009;100:248–51. 10.1002/jso.21268 [PubMed] [CrossRef[]
6. El Saghir NS, Seoud M, Khalil MK, et al.. Effects of young age at presentation on survival in breast cancerBMC Cancer 2006;6:194 10.1186/1471-2407-6-194 [PMC free article] [PubMed] [CrossRef[]
7. Cancello G, Maisonneuve P, Rotmensz N, et al.. Prognosis and adjuvant treatment effects in selected breast cancer subtypes of very young women (<35 years) with operable breast cancerAnn Oncol 2010;21:1974–81. 10.1093/annonc/mdq072 [PubMed] [CrossRef[]
8. Colak D, Nofal A, Albakheet A, et al.. Age-specific gene expression signatures for breast tumors and cross-species conserved potential cancer progression markers in young womenPLoS One 2013;8:e63204 10.1371/journal.pone.0063204 [PMC free article] [PubMed] [CrossRef[]
9. Anders CK, Johnson R, Litton J, et al.. Breast cancer before age 40 yearsSemin Oncol 2009;36:237–49. 10.1053/j.seminoncol.2009.03.001 [PMC free article] [PubMed] [CrossRef[]
10. Mook S, Schmidt MK, Rutgers EJ, et al.. Calibration and discriminatory accuracy of prognosis calculation for breast cancer with the online Adjuvant! program: a hospital-based retrospective cohort studyLancet Oncol 2009;10:1070–6. 10.1016/S1470-2045(09)70254-2 [PubMed] [CrossRef[]
11. Consensus conference. Adjuvant chemotherapy for breast cancerJAMA 1985;254:3461–3. [PubMed[]
12. Goldhirsch A, Wood WC, Senn HJ, et al.. Fifth International Conference on Adjuvant Therapy of Breast Cancer, St Gallen, March 1995. International Consensus Panel on the Treatment of Primary Breast CancerEur J Cancer 1995;31A:1754–9. [PubMed[]
13. Zujewski J, Liu ET. The 1998 St. Gallen’s Consensus Conference: an assessmentJ Natl Cancer Inst 1998;90:1587–9. 10.1093/jnci/90.21.1587 [PubMed] [CrossRef[]
14. Oncoline-Dutch breast cancer guideline. Hormonal therapy (breast cancer)https://richtlijnendatabase.nl/en/richtlijn/breast_cancer/adjuvant_systemic_therapy/hormonal_therapy.html (accessed 20 Nov 2016).
15. van der Sangen MJ, Voogd AC, van de Poll-Franse LV, et al.. [Breast cancer in young women: epidemiology and treatment dilemmas]Ned Tijdschr Geneeskd 2008;152:2495–500. [PubMed[]
16. Netherlands Cancer Registry - Breast cancer incidence. http://www.cijfersoverkanker.nl/selecties/dataset_2/img5866634cb90cf (accessed 30 Dec 2016).
17. van der Hage JA, Mieog JS, van de Velde CJ, et al.. Impact of established prognostic factors and molecular subtype in very young breast cancer patients: pooled analysis of four EORTC randomized controlled trialsBreast Cancer Res 2011;13:R68 10.1186/bcr2908 [PMC free article] [PubMed] [CrossRef[]
18. Dent R, Trudeau M, Pritchard KI, et al.. Triple-negative breast cancer: clinical features and patterns of recurrenceClin Cancer Res 2007;13:4429–34. 10.1158/1078-0432.CCR-06-3045 [PubMed] [CrossRef[]
19. LeCun Y, Bengio Y, Hinton G, et al.. Deep learningNature 2015;521:436–44. 10.1038/nature14539 [PubMed] [CrossRef[]
20. Litjens G, Sánchez CI, Timofeeva N, et al.. Deep learning as a tool for increased accuracy and efficiency of histopathological diagnosisSci Rep 2016;6:26286 10.1038/srep26286 [PMC free article] [PubMed] [CrossRef[]
21. PALGA. The nationwide network and registry of histo- and cytopathology in the Netherlandshttp://www.palga.nl/en/ (accessed 22 Nov 2016). [PubMed]
22. tEPIS. Pathology imagemanagement and sharinghttp://www.ctmm-trait.nl/trait-tools/tepis (accessed 9 Aug 2016).
23. TraIT OpenClinica - Open Source for Clinical Researchhttp://www.ctmm-trait.nl/trait-tools/OpenClinica (accessed 9 Aug 2016).
24. Hugh J, Hanson J, Cheang MC, et al.. Breast cancer subtypes and response to docetaxel in node-positive breast cancer: use of an immunohistochemical definition in the BCIRG 001 trialJ Clin Oncol 2009;27:1168–76. 10.1200/JCO.2008.18.1024 [PMC free article] [PubMed] [CrossRef[]
25. The Genomics Core Facility experiment databasehttp://gcfdb.nki.nl/ (accessed 22 Nov 2016).
26. Federa - Codes of Conducthttps://www.federa.org/codes-conduct (accessed 9 Aug 2016).
27. Al-Janabi S, van Slooten HJ, Visser M, et al.. Evaluation of mitotic activity index in breast cancer using whole slide digital imagesPLoS One 2013;8:e82576 10.1371/journal.pone.0082576 [PMC free article] [PubMed] [CrossRef[]
28. Shaw EC, Hanby AM, Wheeler K, et al.. Observer agreement comparing the use of virtual slides with glass slides in the pathology review component of the POSH breast cancer cohort studyJ Clin Pathol 2012;65:403–8. 10.1136/jclinpath-2011-200369 [PubMed] [CrossRef[]

Articles from BMJ Open are provided here courtesy of BMJ Publishing Group

Plaats een reactie ...

Reageer op "Niet alle borstkankerpatienten hebben chemo of bestraling nodig omdat zij meer en krachtigere immuuncellen (TIL) hebben die de borstkanker automatisch opruimt."


Gerelateerde artikelen