Calcolo del rischio di mortalita' pre trapianto : che guazzabuglio !
In questa recentissima revisione delle metodiche di calcolo pretrapianto del rischio di mortalita', si riassumono (quasi) tutti gli strumenti a nostra disposizione.
Elsawyl M et Sorror ML : Bone Marrow Transplantation 51, 1283-1300 (October 2016)
Pregi e difetti della valutazione del calcolo delle comorbidita' (HCT-CI), il ruolo prognostico della Comprehensive Geriatric Assestment(CGA) e del modello di rischio secondario alla patologia di base (DRI), i modelli combinati basati su variabili proprie del paziente e della sua patologia (EBMT score e PAM score) vengono presentati in paragrafi distinti: sviluppo,validazione, vantaggi, limiti, modificazioni. Unico assente il Machine Learning Algorithm dell'EBMT, concettualmente molto intrigante. Paragrafo conclusivo dedicato agli scenari futuri. Il tutto corredato da amplia letteratura riassunta in comode tabelle.
La parte piu' estesa riguarda l'HCT-CI (ma sicuramente è il piu' noto e studiato), con tutte le sue combinazioni e in particolare con l'eta' (cutt off 40 anni) e alcune variabili biochimiche (bassi valori di albumina e piastrine ed elevati livelli di ferritina). Si accenna all'esistenza di un calcolatore web-based che dovrebbe funzionare da training e che in effetti è molto funzionale (www.hctci.org) e si sottolinea la sua capacita' predittiva di complicanze post trapianto quali la GvHD severa.
Del Comprehensive Geriatric Assestment si sottolinea il potere predittivo nella popolazione di eta' superiore ai 60 anni , ma anche delle difficolta' organizzative che comporta (è una valutazione che richiede adeguato training e molto tempo ). Si descrive come le sole componenti funzionali possano essere predittive della mortalita' (test del cammino, test della forza di presa delle mani) ma come siano necessari ulteriori studi per meglio definire il suo campo di applicazione
Nella descrizione del modello di rischio secondario alla patologia di base (disease-specific risk -asssesment model -DRI) , si evidenzia la mancanza dei dati molecolari in certe patologie (per esempio flt3 per le LAM) e la recente revisione che ha riclassificato alcune patologie e alcune risposte per l'inserimento nei diversi gruppi di rischio, portando ad una migliore predittivita' della overall surival.
Nel paragrafo dedicato ai modelli combinati basati su variabili proprie del paziente e della sua patologia un commento molto critico sullo score EBMT, che pure è stato antesignano. Si accenna tuttavia alla sua capacita' predittiva di NRM, leukemia free survival, recidiva e overall survival in una recente casistica di 502 pazienti affetti da leucemia e sottoposti a trapianto di aploidentico. Sorprendentemente non si accenna ad una evoluzione dello score EBMT rappresentato dal Machine Learning Algorithm, intrigante per il suo meccanismo di funzionamento. Sul pretransplantation assesment of mortality score (PAM score), la cui validita' non è pienamente validata da studi di diverse istituzioni, si sottolinea la capacita' predittiva dell'overall mortality nell'ambito dei regimi di condizionamento mieloablativi.
La valutazione del rischio di mortalita' pretrapianto, inserita in un processo decisionale che deve tener conto anche del rischio di recidiva della patologia di base, è una sfida tuttora in corso per i trapiantologi. Al momento non esiste un modello perfetto, ma diversi modelli che devono essere combinati fra loro in base alle caratteristiche cliniche del trapianto da programmare . Il futuro sembra indirizzarsi in una migliore definizione del rischio di recidiva mediante i dati provenienti dagli studi molecolari (comprensivi di gene expression profiling e espressione di micro-RNAs) e una migliora stratificazione del rischio di NRM mediante l'utilizzo di biomarkers per la aGVHD e lo studio dei .polimorfismi HLA
