Modelo predictivo de metástasis en ganglios axilares no centinela en cáncer de mama. Variables emergentes. Estudio MOTTO, parte I / Predictive model of breast cancer metastasis in axillary non-sentinel lymph nodes. Emergent variables. The MOTTO study, part I

RESUMEN

INTRODUCCIÓN: La carga tumoral total (CTT) obtenida del estudio OSNA de cada uno de los ganglios centinela ha sido identificada como el predictor más potente de metástasis en ganglios linfáticos axilares no centinela. Por otra parte, los distintos subtipos moleculares (SM) de cáncer de mama difieren entre ellos de forma significativa no solo en términos de incidencia, pronóstico y tratamiento, sino también respecto al patrón de afectación metastásica axilar. Nuestra hipótesis consiste en que la predicción de enfermedad metastásica en la linfadenectomía axilar puede mejorar aplicando un modelo predictivo basado en la CTT y el subtipo intrínseco del tumor. OBJETIVO: Evaluar el impacto del SM subrogado inmunohistoquímicamente en la predicción metastásica de los ganglios axilares no centinela con base en la CTT. MATERIAL Y MÉTODOS: Estudio retrospectivo, multicéntrico europeo, que incluye 683 pacientes procedentes de 9 hospitales. RESULTADOS: El análisis univariante identificó 6 variables independientes que correlacionan significativamente con la afectación metastásica axilar no centinela. De ellas, las variables valor logarítmico de la CTT, diámetro tumoral y SM diagnosticado por inmunohistoquímica fueron seleccionadas para el modelo multivariante. Las odds ratio estimadas por el modelo fueron valor logarítmico de la CTT 1.527 (IC 95% 1.299-1.796), diámetro tumoral 1.503 (IC 95% 1.062-2.129) y SM 2.195 (IC 95% 1.246-3.867). CONCLUSIONES: El SM, la CTT y el diámetro tumoral son los predictores más potentes de afectación axilar y deben ser incluidos en los algoritmos diagnósticos como variables esenciales para la toma de decisiones terapéuticas sobre la axila

ABSTRACT

INTRODUCTION: The total tumour load (TTL) obtained from OSNA study in each of the sentinel lymph nodes has been identified as the most powerful predictor of axillary non-sentinel lymph node metastasis. In addition, the distinct molecular subtypes (MS) of breast cancer differ significantly not only in terms of incidence, prognosis and treatment but also in terms of the pattern of axillary metastatic involvement. We hypothesised that the prediction of metastatic disease in axillary lymphadenectomy could be enhanced by applying a predictive model based on the TTL and the intrinsic tumour subtype. OBJECTIVE: To evaluate the impact of the MS identified by immunohistochemistry on prediction of metastatic disease in axillary non-sentinel lymph nodes based on TTL. MATERIAL AND METHODS: Retrospective, European multicenter study including 683 patients from 9 hospitals. RESULTS: Univariate analysis identified 6 variables that were significantly correlated with axillary non-sentinel metastasis. Of these, the variables logarithmic value of the TTL, tumour diameter and MS diagnosed by immunohistochemistry were selected for multivariate analysis. The odds ratio estimated by the model were logarithmic value of the TTL 1.527 (95% CI 1.299-1.796), tumour diameter 1.503 (95% CI 1.062-2.129) and MS 2.195 (95% CI 1.246-3.867). CONCLUSIONS: The strongest predictors of axillary involvement were MS, TTL and tumour diameter. These variables should be included in diagnostic algorithms as essential parameters for therapeutic decision-making on the axilla