Gist (guz podścieliskowy przewodu pokarmowego) – Rokowania, prognozy i postęp choroby

Gist (guz podścieliskowy przewodu pokarmowego)
Rokowania, prognozy i postęp choroby

Nowotwory podścieliskowe przewodu pokarmowego (GIST) to rzadkie nowotwory mezenchymalne o zróżnicowanym przebiegu klinicznym, z medianą wieku diagnozy 60-65 lat i częstością występowania około 1,5/100 000 rocznie. Kluczowymi czynnikami prognostycznymi są rozmiar guza (>5 cm wiąże się z umiarkowanym, a >10 cm z wysokim ryzykiem złośliwości), wskaźnik mitotyczny (>5 mitoz/50 HPF wskazuje na agresywne zachowanie) oraz lokalizacja guza (GIST żołądka rokowanie lepsze niż jelita cienkiego czy przełyku). Pęknięcie guza i status mutacji (np. delecja eksonu 11 KIT) również wpływają na rokowanie i odpowiedź na terapię. 5-letnie przeżycie całkowite po resekcji R0 waha się od 32% do 93%, a mediana przeżycia po resekcji paliatywnej to około 10 miesięcy. Terapia imatynibem znacząco poprawia wyniki, zwłaszcza u pacjentów z pośrednim i wysokim ryzykiem oraz zaawansowaną chorobą.

Podstawowe informacje o rokowaniu w GIST

Nowotwory podścieliskowe przewodu pokarmowego (GIST) są rzadkimi nowotworami mezenchymalnymi, które charakteryzują się szerokim spektrum zachowań klinicznych – od wolno rosnących guzów o łagodnym przebiegu po agresywne nowotwory złośliwe z tendencją do naciekania sąsiednich narządów, przerzutowania do wątroby i lokalnych nawrotów w jamie brzusznej ¹. Mediana wieku w momencie diagnozy wynosi około 60-65 lat, przy dużej rozpiętości wiekowej ². Występowanie GIST szacuje się na około 1,5 przypadku na 100 000 osób rocznie ².

Ogólny 5-letni współczynnik przeżycia dla pacjentów z GIST wynosi około 85%, jednak wartość ta jest zmienna w zależności od wielu czynników, w tym rozmiaru guza, jego lokalizacji oraz ogólnego stanu zdrowia i wieku pacjenta ³. Według różnych publikacji, 5-letnie wskaźniki przeżycia po resekcji typu R0 (całkowite usunięcie chirurgiczne wszystkich tkanek nowotworowych) dla GIST wahają się od 32% do 93%, a w dużych seriach wskaźnik ten wynosi około 50-60% ⁴.

Mediana czasu przeżycia po resekcji paliatywnej wynosi około 10 miesięcy, z 5-letnim wskaźnikiem przeżycia sięgającym 10%. Wskaźniki te poprawiają się dzięki zastosowaniu leczenia imatynibem. Istnieje duża dysproporcja między pacjentami z zlokalizowaną chorobą pierwotną (mediana przeżycia 5 lat) a pacjentami z przerzutami lub nawrotem choroby (mediana przeżycia 10-20 miesięcy) ⁴.

Główne czynniki prognostyczne w GIST

Zgodnie z aktualnymi wytycznymi NCNN, ESMO i EURACAN, trzy główne czynniki prognostyczne w GIST to: wskaźnik mitotyczny, rozmiar guza i lokalizacja guza. Dodatkowo, pęknięcie guza jest również uznawane za niezależny czynnik ryzyka ⁵⁶. Przedstawione poniżej czynniki prognostyczne mają kluczowe znaczenie w ocenie rokowania pacjentów z GIST.

Rozmiar guza i wskaźnik mitotyczny

Rozmiar guza i wskaźnik mitotyczny są dominującymi czynnikami prognostycznymi w GIST ⁷⁸. Guzy o wymiarach przekraczających 5 cm wiążą się z umiarkowanym ryzykiem złośliwości, podczas gdy te większe niż 10 cm charakteryzują się wysokim potencjałem złośliwości ⁸. Średnica guza stanowi niezależny czynnik ryzyka dla ekspresji Ki-67, podczas gdy objętość jest niezależnym czynnikiem ryzyka dla potencjału złośliwości ⁹.

Wskaźnik mitotyczny większy niż 5 mitoz na 50 pól widzenia w dużym powiększeniu (HPF) jest jednym z najsilniejszych predyktorów agresywnego zachowania GIST ⁸. Analiza jednowymiarowa wykazała, że płeć, rozmiar guza, wskaźnik mitotyczny, stopień ryzyka, ekspresja CD34 oraz zajęcie przyległych narządów są czynnikami predykcyjnymi dla całkowitego przeżycia (OS) lub przeżycia wolnego od nawrotu (RFS) ¹⁰.

Lokalizacja guza

Lokalizacja guza ma istotne znaczenie prognostyczne. Generalnie, GIST żołądka mają najlepsze rokowanie ¹¹¹². GIST zlokalizowane w jelicie cienkim wykazują bardziej agresywne zachowanie w porównaniu do GIST żołądka o porównywalnej wielkości i wskaźniku mitotycznym ⁸.

Rokowanie w przypadku GIST dwunastnicy różni się nieco od GIST jelita cienkiego ze względu na jego szczególne położenie anatomiczne ¹¹. 5-letnie przeżycie bez choroby (DFS) i całkowite przeżycie (OS) dla GIST jelita grubego wynosiło 33-57% i 46-63%, podczas gdy 5-letnie OS dla GIST przełyku wynosiło 60% ¹¹.

Badania wykazały, że GIST przełyku i połączenia przełykowo-żołądkowego (GEJ) wiązały się z krótszym medianą przeżycia całkowitego w porównaniu do GIST żołądka (111 miesięcy vs. 130 miesięcy) ¹³. Co więcej, guzy te wykazywały również zwiększony potencjał przerzutowy w porównaniu do GIST żołądka. Konkretnie, przerzuty odległe udokumentowano u 27% pacjentów z GIST przełyku w porównaniu do tylko 15,7% i 13,2% pacjentów z GIST GEJ i żołądka ¹³.

Pęknięcie guza

Pęknięcie guza przez powierzchnię surowiczą jest niekorzystnym czynnikiem prognostycznym i powinno być odnotowane, niezależnie od tego, czy nastąpiło przed operacją czy w jej trakcie ¹². Pęknięcie guza podczas operacji zostało uznane za jeden z czynników mających negatywny wpływ na rokowanie ¹⁴.

Mutacje genetyczne

Status mutacji guza jest również ważnym czynnikiem prognostycznym w GIST. Pacjenci z delecją eksonu 11 KIT mają gorsze rokowanie niż ci z mutacją punktową lub insercją eksonu 11 ⁷. Status mutacji ma zarówno znaczenie prognostyczne, jak i wpływ na odpowiedź na terapię inhibitorami kinazy tyrozynowej ¹⁴.

W badaniach klinicznych z randomizacją obecność mutacji eksonu 11 KIT była związana z lepszą odpowiedzią, czasem przeżycia wolnym od progresji i całkowitym czasem przeżycia w porównaniu do GIST z mutacją eksonu 9 KIT. Ryzyko progresji i zgonu było zwiększone u pacjentów bez wykrywalnych mutacji KIT lub PDG-FRA ¹⁴.

Co istotne, modele głębokiego uczenia (DL) są w stanie dokładnie przewidywać mutacje, które mają duży wpływ na decyzje dotyczące leczenia pacjentów i ocenę prognostyczną, takie jak mutacja PDGFRA eksonu18 D842V, która jest predyktorem oporności na imatynib i wrażliwości na avapritinib, oraz mutacje KIT del-inc 557/558, które są związane z gorszym rokowaniem i wysokim ryzykiem nawrotu ¹⁵.

Inne czynniki prognostyczne

Inne czynniki, które mają negatywny wpływ na rokowanie, to:

Zajęcie marginesów histologicznych ¹⁴
Zajęcie węzłów chłonnych ¹⁴
Krwawienie z przewodu pokarmowego ⁶
Wysoki indeks Ki-67 ⁶

W analizie jednowymiarowej wykazano, że zaawansowany wiek, płeć męska, obecność przerzutów oraz lokalizacja guza w przełyku lub GEJ były związane z krótszym całkowitym przeżyciem ¹³.

Wyniki badań wskazują, że wysokie wartości NLR (stosunek neutrofili do limfocytów), MLR (stosunek monocytów do limfocytów) i PLR (stosunek płytek krwi do limfocytów) są statystycznie istotne w odniesieniu do niskiej ekspresji Ki-67 i potencjału złośliwości. Jednakże niski OPNI (obiektywny wskaźnik prognostyczny stanu odżywienia) wyłania się jako niezależny czynnik ryzyka ¹⁶.

Systemy klasyfikacji ryzyka w GIST

W celu przewidywania ryzyka agresywnego zachowania GIST opracowano kilka systemów klasyfikacji, które uwzględniają główne czynniki prognostyczne.

Klasyfikacja NIH

W 2002 roku Fletcher i współpracownicy zaproponowali następujący system klasyfikacji w celu określenia ryzyka agresywnego lub złośliwego zachowania w GIST:

Bardzo niskie ryzyko: rozmiar ≤2 cm i ≤5 mitoz/50 HPF
Niskie ryzyko: 2-5 cm i ≤5/50 HPF
Pośrednie ryzyko: ≤5 cm i 6-10/50 HPF lub 5-10 cm i ≤5/50 HPF
Wysokie ryzyko: >5 cm i >5/50 HPF lub >10 cm i dowolny wskaźnik mitotyczny lub dowolny rozmiar i >10/50 HPF ¹⁷

Klasyfikacja AFIP/Miettinen

Powszechnie stosowany system klasyfikacji ryzyka został zaproponowany przez Armed Forces Institute of Pathology (AFIP), który wyróżnia różne poziomy ryzyka w porównaniu z kryteriami konsensusu National Institute of Health (NIH) z 2002 roku ¹². Klasyfikacja ta uwzględnia lokalizację anatomiczną guza, jego rozmiar i wskaźnik mitotyczny.

W badaniu z użyciem uczenia głębokiego (DL) model głęboki Miettinen przewyższał tradycyjny system oceny Miettinen w przewidywaniu wyniku w zlokalizowanym GIST bez adjuwantowego imatynibu, co sugeruje, że DL było w stanie wyodrębnić dodatkowe dane prognostyczne z obrazów histologicznych, wykraczające poza aktywność mitotyczną ¹⁸.

Nomogramy i mapy konturowe

W 2009 roku Gold i współpracownicy z Memorial Sloan-Kettering Cancer Center (MSKCC) opracowali nomogram, który wykorzystuje rozmiar guza, lokalizację i indeks mitotyczny do przewidywania przeżycia wolnego od nawrotu po resekcji zlokalizowanego pierwotnego GIST ¹⁷¹⁹.

Mapy konturowe prognostyczne zostały wygenerowane na podstawie kilku serii pacjentów z GIST, które uwzględniają indeks mitotyczny i rozmiar guza jako ciągłe zmienne nieliniowe, podczas gdy pęknięcie guza jest brane pod uwagę dodatkowo do lokalizacji guza. Te mapy konturowe zostały zwalidowane na podstawie połączonych danych z 10 serii i 2560 pacjentów z literatury ²⁰.

Chociaż nomogramy i mapy konturowe mogą być bardziej dokładne w przewidywaniu rokowania GIST, nie są szeroko stosowane ze względu na złożoność ich praktycznego zastosowania ¹¹.

Modele oparte na sztucznej inteligencji

Wykorzystując nowe klasyfikatory uczenia maszynowego nazywane optymalnymi drzewami klasyfikacyjnymi, kalkulator oparty na sztucznej inteligencji (AI) został zaprojektowany do przewidywania prawdopodobieństwa nawrotu GIST pięć lat po całkowitej resekcji guza ¹⁹.

Modele głębokiego uczenia (DL) dały porównywalne wyniki do klasyfikacji Miettinen dla przewidywania przeżycia wolnego od nawrotu w zlokalizowanym GIST bez adjuwantowego imatynibu (C-indeks=0,83 w walidacji krzyżowej i 0,72 dla niezależnego testowania) ²¹.

DL podzielił GIST z pośrednim ryzykiem według Miettinen na grupy wysokiego i niskiego ryzyka (wartość p=0,002 w zestawie treningowym i wartość p=0,29 w zestawie testowym) ²¹. Co ważne, mutacja PDGFRA eksonu18 D842V, która jest oporna na imatynib, była przewidywana z AUC wynoszącym 0,87 i 0,90 odpowiednio w walidacji krzyżowej i niezależnym testowaniu ²¹.

Wskaźniki przeżycia według grup ryzyka

Pacjenci z GIST zostali sklasyfikowani do grup bardzo niskiego, niskiego, pośredniego i wysokiego ryzyka według zmodyfikowanego systemu klasyfikacji konsensusu National Institutes of Health (NIH). Wśród 401 pacjentów nieleczonych mezylanen imatynibu (IM), 5-letnie przeżycie całkowite (OS) w grupach bardzo niskiego, niskiego, pośredniego i wysokiego ryzyka wynosiło odpowiednio 100%, 100%, 89,6% i 65,9%; a 5-letnie przeżycie wolne od nawrotu (RFS) wynosiło odpowiednio 100%, 98,1%, 90,9% i 44,5% ¹⁰.

Model hazardu proporcjonalnego COX (Forward LR) wykazał, że duży rozmiar guza, wysoki wskaźnik mitotyczny i wysoki stopień ryzyka były niezależnymi czynnikami ryzyka dla OS, podczas gdy wysoki wskaźnik mitotyczny, wysoki stopień ryzyka i zajęcie sąsiednich narządów były niezależnymi czynnikami ryzyka dla RFS ¹⁰.

Pacjenci z grupy pośredniego-wysokiego ryzyka, którzy otrzymali terapię adjuwantową IM (n = 87), mieli lepsze 5-letnie OS i RFS niż ci, którzy jej nie otrzymali (n = 188) (94,9% vs. 72,1%; 82,3% vs. 56,3%, odpowiednio). Podobnie, pacjenci z zaawansowanym GIST, którzy przeszli terapię IM (n = 45), mieli lepsze 3-letnie OS i 1-roczne przeżycie wolne od progresji (PFS) niż ci, którzy jej nie otrzymali (n = 42) (75,6% vs. 6,8%; 87,6% vs. 12,4%, odpowiednio) ²².

Rola obrazowania w prognozowaniu i monitorowaniu GIST

Tomografia komputerowa ze wzmocnieniem kontrastowym (CE-CT) i pozytonowa tomografia emisyjna z 2-deoksy-2-[18F]fluoro-D-glukozą ([18F]FDG) PET/CT są uważane za przydatne w diagnostyce i monitorowaniu odpowiedzi u pacjentów z GIST. Techniki obrazowania dostarczają informacji o morfologii guza, charakterystyce perfuzji, a także metabolizmie glukozy w guzie ²³.

Cechy obrazu CE-CT

Obecność niejednorodnego wzmocnienia w wyjściowym obrazowaniu CE-CT była uważana za predyktora GIST wysokiego ryzyka, związanego z podstawową neowaskularyzacją i martwicą guza ²⁴. Opracowano model predykcyjny dla ekspresji Ki-67 w GIST na podstawie średnicy, trybu wzrostu, trybu wzmocnienia, EVFDM, PLR i OPNI. Dodatkowo, opracowano oddzielny model predykcyjny dla potencjału złośliwości GIST z wykorzystaniem objętości, konturu, owrzodzenia, IBSC i OPNI. Oba modele wykazują dobrą dyskryminację, dokładność i możliwość zastosowania klinicznego ⁹.

Cechy obrazu [18F]FDG-PET

Zmiany w metabolizmie glukozy, odzwierciedlane przez cechy obrazowania [18F]FDG-PET, poprzedzały zmiany w rozmiarze guza i były silniej skorelowane z odpowiedzią guza ²⁴. W wybranych artykułach, dwa z nich omawiały wykorzystanie cech obrazowania uzyskanych z obrazowania [18F]FDG-PET/CT do przewidywania PFS poprzez wykrywanie nawrotu choroby (lokalnie i/lub rozwój przerzutów odległych). Znaleziono znacząco wyższe wartości MTV i TLG u pacjentów z niższym PFS. Oprócz ilościowych cech obrazowania [18F]FDG-PET, większe rozmiary guza były również istotnym czynnikiem przyczyniającym się do niższego PFS ²⁵.

Ograniczenia obecnych kryteriów

Klinicznie ustalone cechy obrazowania, w tym zmiany w rozmiarze i gęstości guza, były uważane za niekorzystne kryteria monitorowania, prowadzące do niedoszacowania i przeszacowania odpowiedzi ²⁴. Obecne kryteria RECIST i Choi nadal charakteryzują się brakiem czułości i są podatne na błędy przy przewidywaniu lub monitorowaniu odpowiedzi na leczenie ²⁵.

[18F]FDG-PET jest obiecującą techniką obrazowania, która wizualizuje funkcjonalne zmiany metaboliczne w GIST, które poprzedzają mierzalne zmiany w rozmiarze guza. Chociaż obiecująca, prawdziwa dodatkowa wartość [18F]FDG-PET pozostaje nieuchwytna, a badania nad efektywnością kosztową są uzasadnione ²⁵.

Wpływ leczenia na rokowanie

Opracowanie inhibitora kinazy tyrozynowej imatynibu (Gleevec, Novartis Pharmaceuticals) dramatycznie poprawiło wyniki w przerzutowym GIST ⁷. Strategia zwalczania pierwotnej oporności na imatynib spowodowanej mutacją D842V polega na przejściu na inny inhibitor kinazy tyrozynowej (TKI) ²⁶.

W analizie 4694 pacjentów ze zlokalizowanym GIST z National Cancer Data Base, Sineshaw i współpracownicy stwierdzili, że pacjenci leczeni terapią adjuwantową mieli o 46% niższe ryzyko zgonu niż pacjenci leczeni samą operacją. Ta korzyść w przeżyciu była znacząca dla pacjentów z GIST większymi niż 10 cm ¹⁴.

GIST bardzo niskiego i niskiego ryzyka mogą być leczone tylko operacją. Duży rozmiar guza, wysoki wskaźnik mitotyczny, wysoki stopień ryzyka i zajęcie sąsiednich narządów przyczyniają się do złego wyniku. Terapia IM znacząco poprawia przeżycie pacjentów z pośrednim-wysokim ryzykiem lub zaawansowanym GIST ²².

Optymalna długość adjuwantowej terapii imatynibem nie została jeszcze określona. Co jest jasne, to, że 1 rok terapii pooperacyjnej wydaje się być niewystarczający dla co najmniej niektórych pacjentów ⁷.

Szczególne przypadki w rokowaniu GIST

GIST z niedoborem SDH

Standardowe modele stratyfikacji ryzyka mogą nie przewidywać ryzyka progresji u pacjentów z GIST z niedoborem SDH ²⁰. W praktyce klinicznej nie zaleca się stosowania stratyfikacji ryzyka AFIP lub opartej na konturach prognostycznych w GIST z niedoborem SDH ²⁰.

GIST typu dzikiego KIT/PDGFRA

Dane molekularne dotyczące mutacji nie zostały do tej pory włączone do żadnej klasyfikacji ryzyka, chociaż niektóre genotypy mają odrębny przebieg naturalny, np. GIST typu dzikiego KIT/PDGFRA mają tendencję do wykazywania bardziej indolentnego zachowania niż choroba z wariantem eksonu 11 KIT ¹².

Przyszłe kierunki w ocenie rokowania GIST

W ostatnich latach odkryto wiele czynników prognostycznych, ale brak jest prospektywnych, dużych, wieloośrodkowych badań, przez co poziom dowodów nie jest szczególnie wysoki. Dlatego nie zostały one dodane do wytycznych. Wraz z dalszymi badaniami, niektóre czynniki zostaną dodane do klasyfikacji ryzyka, aby kierować leczeniem pacjentów z GIST i poprawić ich rokowanie ²⁶.

Nasze badanie wykazało możliwość wdrożenia głębokiego uczenia (DL) z cyfryzowanymi obrazami WSI i może stanowić powtarzalny sposób na poprawę dopasowania terapii i medycyny precyzyjnej dla pacjentów z GIST ¹⁸.

Chociaż modele oparte na obrazach histologicznych mają dobre wyniki w przewidywaniu przeżycia wolnego od nawrotu (RFS) u pacjentów ze zlokalizowanym GIST, dały słabe wyniki w przewidywaniu RFS u pacjentów z leczeniem adjuwantowym. Dane te sugerują, że efekt leczenia ma kluczowe znaczenie dla rokowania pacjentów, a modele zbudowane wyłącznie na obrazach wyjściowych nie są w stanie przewidzieć wyniku ¹⁵.

Chociaż wydajność modeli do przewidywania mutacji jest godna uwagi, nie jest jednak doskonała, aby zastąpić badania genetyczne. Modele te mogą służyć jako narzędzia do wstępnej selekcji, aby znacznie obniżyć koszty poprzez wstępną selekcję podgrupy pacjentów do badań genetycznych ²⁷.

Kolejne rozdziały

Zapraszamy do dalszego czytania naszego leksykonu.

Wybierz kolejny rozdział z menu poniżej, aby otworzyć nową podstronę kompedium wiedzy i uzyskać szczegółowe informację o leku, substancji lub chorobie.

Materiały źródłowe

#1 Gastrointestinal Stromal Tumors (GISTs): Practice Essentials, Background, Pathophysiology
https://emedicine.medscape.com/article/278845-overview
GISTs manifest a wide variety of clinical behavior, from slow-growing indolent tumors to aggressive malignant cancers with the propensity to invade adjacent organs, metastasize to the liver, and recur locally within the abdomen. Clinical presentation provides the most overt evidence for distinguishing benign from malignant behavior. Histologic analysis of biopsy or operative specimens provides objective measures for diagnosis and helps predict clinical behavior. […] The predominant prognostic factors in patients with GISTs include the size of the tumor, location of the tumor, and the mitotic rate. To these may be added the ability or inability to achieve completely negative resection margins. The following characteristics appear to be the most predictive of aggressive behavior in GISTs: Mitotic rate greater than 5 mitoses per 50 high-power fields (HPFs); Size larger than 5 cm and 10 cm, which pose moderate and high malignant potential, respectively; Location (small bowel GISTs of comparable size and mitotic rate are generally more aggressive than gastric GISTs).
#2 Gastrointestinal stromal tumour (GIST): British Sarcoma Group clinical practice guidelines | British Journal of Cancer
https://www.nature.com/articles/s41416-024-02672-0
Gastrointestinal stromal tumours (GISTs) are rare cancers, with an estimated unadjusted incidence of 1.5/100,000/year. […] The median age at diagnosis is around 60-65 years, with a wide range. […] Gastric GISTs have a better prognosis than small bowel or rectal GISTs. […] Tumour rupture through a serosal surface is an adverse prognostic factor and should be recorded, whether it took place before or during surgery. […] Molecular analysis data have not been incorporated into any risk classification so far, although some genotypes have a distinct natural history, e.g. KIT/PDGFRA WT GISTs tend to exhibit more indolent behaviour than KIT exon 11 variant disease. […] A widely used risk classification was proposed by the Armed Forces Institute of Pathology (AFIP), which distinguishes different risk levels compared with the 2002 National Institute of Health (NIH) Consensus criteria.
#3 What is the 5-year survival year for GISTs? What to consider
https://www.medicalnewstoday.com/articles/gist-tumor-survival-rate
Gastrointestinal stromal tumors (GISTs) are growths that form in the digestive tract. The overall GIST survival rate for 5 years is 85%. However, this rate cannot predict the survival of any particular person because it depends on various factors, such as their overall health and age. […] The National Cancer Institute (NCI) maintains the Surveillance, Epidemiology, and End Results (SEER), which offers 5-year relative survival rates for GISTs. The relative survival rate compares the expected percentage of people with a specific cancer who will live a specified length of time in this case, 5 years to those in the general population. […] The SEER gastrointestinal stromal tumor survival rate for 5 years varies, depending on how far the tumor has spread when a person first receives a diagnosis. While the overall SEER rate is 85%, survival depends on other factors, such as the tumors size, location, and the persons age and general health.
#4 Gastrointestinal Stromal Tumors (GISTs): Practice Essentials, Background, Pathophysiology
https://emedicine.medscape.com/article/278845-overview
Because no standardized staging system exists for stromal tumors of the GI tract and most series are small and heterogeneous, comparison of the different published survival rates is difficult. However, various reports of 5-year survival rates after R0 resection for GISTs range from 32-93%. In large series, this rate is about 50-60%. […] The median survival after palliative resection is about 10 months, with a 5-year survival rate as high as 10%. These rates improve with the addition of imatinib. The disparity between patients presenting with localized primary disease (median survival of 5 y) and those presenting with metastasis or recurrent disease (median survival of 10-20 mo) is large. […] Unfortunately, no absolute determinations can be made because even small lesions with low mitotic rates can metastasize or behave in a locally aggressive fashion.
#5 Prognostic indicators for gastrointestinal stromal tumors: a review
https://pmc.ncbi.nlm.nih.gov/articles/PMC7327422/
Gastrointestinal stromal tumors (GISTs) are potentially malignancies that can occur anywhere in the digestive tract. The current version of NCNN, ESMO and EURACAN guidelines recognized that the three main prognostic factors are the mitotic rate, tumor size and tumor site. In addition, tumor rupture is also recognized as an independent risk factor. However, recent evidence shows that various types of gene mutations are associated with prognosis, and influencing factors such as gastrointestinal bleeding and high Ki67 index have been associated with poor prognosis. It shows that the current risk classification is still insufficient and controversial. […] Adjuvant therapy for patients with GIST after operation, especially using Imatinib or other TKIs, depends on it risk classifications; nevertheless, the risk classifications of GIST remain inadequate and controversial. The 2018 Version 2 NCCN guidelines and the latest version of the ESMO/EURACAN guidelines all regard the four most important known risk factors: mitotic rate, tumor size, tumor site and rupture.
#6 Prognostic indicators for gastrointestinal stromal tumors: a review
https://pmc.ncbi.nlm.nih.gov/articles/PMC7327422/
In addition to the risk classifications, several gene molecular types of GIST have various clinical characteristics and outcomes, but KIT and PDGFRA mutation states have not been added to the risk classifications of GIST. Nevertheless, KIT and PDGFRA mutation types can predict the response of advanced or metastatic GIST to TKI drugs such as imatinib. […] In recent years, several independent prognostic risk factors have been shown to be related to prognosis. For example, GIST patients with gastrointestinal bleeding or high Ki67 index may have a poor prognosis. […] According to the latest version of clinical guidelines, including NCCN, ESMO/EURACAN, French Intergroup Clinical Practice guidelines, the widely recognized prognostic factors are mitotic rate, tumor size and tumor site, which also include tumor rupture.
#7 Personalized Therapy: Prognostic Factors in Gastrointestinal Stromal Tumor (GIST)
https://pmc.ncbi.nlm.nih.gov/articles/PMC3707794/
Over the last decade, considerable progress has been made in gastrointestinal stromal tumor (GIST) with respect to determining prognosis and therapy. […] The development of the tyrosine kinase inhibitor imatinib mesylate (Gleevec, Novartis Pharmaceuticals) has dramatically improved outcome in metastatic GIST. […] One of the current issues in adjuvant therapy for GIST is which patients should be treated. Outcome in GIST depends on several pathologic variables. Mitotic rate is the predominant predictor of outcome. […] Another important prognostic factor in GIST is the mutation status of the tumor. Patients with a KIT exon 11 deletion do worse than those with either an exon 11 point mutation or insertion. […] The optimal duration of adjuvant imatinib has not yet been defined. What is clear is that 1 year of postoperative therapy appears to be insufficient for at least some patients.
#8 Gastrointestinal Stromal Tumors (GISTs): Practice Essentials, Background, Pathophysiology
https://emedicine.medscape.com/article/278845-overview
GISTs manifest a wide variety of clinical behavior, from slow-growing indolent tumors to aggressive malignant cancers with the propensity to invade adjacent organs, metastasize to the liver, and recur locally within the abdomen. Clinical presentation provides the most overt evidence for distinguishing benign from malignant behavior. Histologic analysis of biopsy or operative specimens provides objective measures for diagnosis and helps predict clinical behavior. […] The predominant prognostic factors in patients with GISTs include the size of the tumor, location of the tumor, and the mitotic rate. To these may be added the ability or inability to achieve completely negative resection margins. The following characteristics appear to be the most predictive of aggressive behavior in GISTs: Mitotic rate greater than 5 mitoses per 50 high-power fields (HPFs); Size larger than 5 cm and 10 cm, which pose moderate and high malignant potential, respectively; Location (small bowel GISTs of comparable size and mitotic rate are generally more aggressive than gastric GISTs).
#9 Prediction of Ki-67 expression and malignant potential in gastrointestinal stromal tumors: novel models based on CE-CT and serological indicators | BMC Cancer | Full Text
https://bmccancer.biomedcentral.com/articles/10.1186/s12885-024-13172-y
Diameter, growth pattern, enhancement pattern, EVFDM, PLR, and OPNI are independent risk factors for GISTs with high Ki-67 expression. Additionally, volume, contour, ulceration, IBSC, and OPNI serve as independent risk factors for GISTs with high malignant potential. The preoperative models developed using CT images can predict the malignant potential and Ki-67 expression status of GISTs to a certain extent. When combined with serological indicators, these models’ predictive performance can be further enhanced. […] The results of this study indicate that diameter serves as an independent risk factor for Ki-67 expression, while volume is an independent risk factor for malignant potential. […] The study constructed a prediction model for GIST Ki-67 expression based on diameter, growth mode, enhancement mode, EVFDM, PLR, and OPNI. Additionally, a separate prediction model for the malignant potential of GIST was developed using volume, contour, ulceration, IBSC, and OPNI. Both models demonstrate good discrimination, accuracy, and clinical applicability.
#10 Gastrointestinal stromal tumor: 15-yearsâ experience in a single center | BMC Surgery | Full Text
https://bmcsurg.biomedcentral.com/articles/10.1186/1471-2482-14-93
Gastrointestinal stromal tumor (GIST) is known for its wide variability in biological behaviors and it is difficult to predict its malignant potential. The aim of this study is to explore the characteristics and prognostic factors of GIST. […] Patients were categorized into very low-, low-, intermediate- and high-risk groups according to modified National Institutes of Health (NIH) consensus classification system. Among the 401 patients untreated with imatinib mesylate (IM), 5-year overall survival (OS) in very low-, low-, intermediate- and high-risk groups was 100%, 100%, 89.6% and 65.9%; and 5-year relapse-free survival (RFS) was 100%, 98.1%, 90.9% and 44.5%, respectively. […] Univariate analysis revealed that sex, tumor size, mitotic rate, risk grade, CD34 expression, and adjacent involvement were predictors of OS or RFS. COX hazard proportional model (Forward LR) showed that large tumor size, high mitotic rate, and high risk grade were independent risk factors to OS, whereas high mitotic rate, high risk grade and adjacent organ involvement were independent risk factors to RFS.
#11 Prognostic indicators for gastrointestinal stromal tumors: a review
https://pmc.ncbi.nlm.nih.gov/articles/PMC7327422/
The prognosis of gastric GIST is the best, and various guidelines suggest that small GIST can be observed. […] The prognosis of the duodenum is slightly different from that of the small intestine because of its special anatomical position. […] The 5-year DFS and OS of colorectal GIST were 33-57% and 46-63%, while the 5-year OS of esophageal GIST was 60%. […] The differences between these risk classifications are listed in Table 1. […] Gold et al. established the first line map, a prognostic nomogram for recurrence-free survival (RFS) after complete surgical resection of localized tumors to assess the risk of recurrence after GIST. […] Although nomogram and contour map may be more accurate in predicting the prognosis of GISTs, it is not widely used because of the complexity of its practical application.
#12 Gastrointestinal stromal tumour (GIST): British Sarcoma Group clinical practice guidelines | British Journal of Cancer
https://www.nature.com/articles/s41416-024-02672-0
Gastrointestinal stromal tumours (GISTs) are rare cancers, with an estimated unadjusted incidence of 1.5/100,000/year. […] The median age at diagnosis is around 60-65 years, with a wide range. […] Gastric GISTs have a better prognosis than small bowel or rectal GISTs. […] Tumour rupture through a serosal surface is an adverse prognostic factor and should be recorded, whether it took place before or during surgery. […] Molecular analysis data have not been incorporated into any risk classification so far, although some genotypes have a distinct natural history, e.g. KIT/PDGFRA WT GISTs tend to exhibit more indolent behaviour than KIT exon 11 variant disease. […] A widely used risk classification was proposed by the Armed Forces Institute of Pathology (AFIP), which distinguishes different risk levels compared with the 2002 National Institute of Health (NIH) Consensus criteria.
#13
https://link.springer.com/article/10.1007/s00432-023-04690-6
The prognosis of GIST depends on a variety of factors. […] The univariable regression analysis demonstrated that advanced age (p=0.001), male sex (p=0.002), presence of metastasis (p=0.003), and tumor location in the esophagus or GEJ (p=0.016) were associated with shorter overall survival. […] GIST of the esophagus or GEJ were associated with shorter median overall survival when compared to gastric GIST (111 months vs. 130 months, p=0. 016 respectively). More importantly, these tumors also demonstrated increased metastatic potential compared to gastric GIST. Specifically, distant metastasis was documented in 27% of patients with esophageal GIST compared to only 15.7% and 13.2% of patients with GEJ and gastric GIST (p=0.047).
#14 Gastrointestinal Stromal Tumors (GISTs): Practice Essentials, Background, Pathophysiology
https://emedicine.medscape.com/article/278845-overview
Mutational status has both prognostic significance and impact on response to tyrosine kinase inhibitor therapy. In randomized clinical trials, the presence of a KIT exon 11 mutation was associated with better response, progression-free survival, and overall survival rates than KIT exon 9 mutant GISTs. The risk for progression and death were increased in patients with no detectable KIT or PDG-FRA mutations. […] Other factors found to have a negative impact on prognosis are as follows: Tumor rupture during operation; Involvement of histologic margins; Lymph node involvement. […] In an analysis of 4,694 patients with localized GISTs from the National Cancer Data Base, Sineshaw and colleagues found that patients treated with adjuvant therapy had a 46% lower risk of death than patients treated with surgery alone. This survival benefit was significant for patients with GISTs larger than 10 cm.
#15 Deep learning predicts patients outcome and mutations from digitized histology slides in gastrointestinal stromal tumor | npj Precision Oncology
https://www.nature.com/articles/s41698-023-00421-9
DL gave good results for predicting RFS in patients with localized GIST that received adjuvant treatment in center 1, but this was not validated in center 2. […] These data suggest that the treatment effect is crucial to patients prognosis and models built on baseline images alone are not capable of predicting the outcome. […] Our results suggest that DL models can predict mutation type at the gene, exon and codon levels with good performance. […] More importantly, DL was able to accurately predict mutations that have a great impact in patients treatment decision and prognostic estimation such as PDGFRA exon18 D842V mutation which is a predictor for imatinib resistance and avapritinib sensitivity, and KIT del-inc 557/558 mutations which are associated with a worse prognosis and high-risk of relapse.
#16 Prediction of Ki-67 expression and malignant potential in gastrointestinal stromal tumors: novel models based on CE-CT and serological indicators | BMC Cancer | Full Text
https://bmccancer.biomedcentral.com/articles/10.1186/s12885-024-13172-y
The results of this study indicate that high NLR, MLR, and PLR are statistically significant in relation to low Ki-67 expression and malignant potential. However, low OPNI emerges as an independent risk factor, potentially due to its incorporation of both nutritional and immune factors, low albumin and low lymphocyte counts can create a favorable environment for tumor growth and progression. […] The calibration curves for the training group and verification group of the two most effective prediction models are presented in Figs. 7A, B and 8A, B, respectively. The proximity of these curves to the standard line suggests a strong correlation between the predicted outcomes and the actual observed results. This consistency further indicates that the prediction models are reliable and suitable for clinical preoperative diagnosis.
#17 Gastrointestinal Stromal Tumors (GISTs): Practice Essentials, Background, Pathophysiology
https://emedicine.medscape.com/article/278845-overview
In 2002, Fletcher and colleagues proposed the following classification system to define the risk of aggressive or malignant behavior in GISTs: Very low risk: size 2 cm and 5 mitoses/50 HPFs; Low risk: 2-5 cm and 5/50 HPFs; Intermediate risk: 5 cm and 6-10/50 HPFs or 5-10 cm and 5/50 HPFs; High risk: 5 cm and 5/50 HPFs or 10 cm and any mitotic rate or any size and 10/50 HPFs. […] In 2009 Gold et al from Memorial Sloan-Kettering Cancer Center (MSKCC) developed a nomogram that uses tumor size, site, and mitotic index to predict relapse-free survival after resection of localized primary GIST. […] The NCCN criteria for risk stratification of primary GIST have not been incorporated into the AJCC staging but may be more helpful in determining individual risk for progressive disease, after margin-negative resection.
#18 Deep learning predicts patients outcome and mutations from digitized histology slides in gastrointestinal stromal tumor | npj Precision Oncology
https://www.nature.com/articles/s41698-023-00421-9
Our study showed the possibility of implementing DL with digitized WSI and may represent a reproducible way to improve tailoring therapy and precision medicine for patients with GIST. […] In center 1, deep Miettinen model outperformed the traditional Miettinen evaluation system for predicting outcome in localized GIST with no adjuvant imatinib suggesting that DL was able to extract additional prognostic data from histological images, beyond mitotic activity. […] Moreover, the Deep Miettinen model was able to stratify further patients falling in the high and intermediate-risk categories of the conventional Miettinen system. […] The performance of our model decreased from center 1 to center 2. […] Despite the decrease in performance across centers, our results are promising. […] If validated and improved using additional cohorts, they could be potentially integrated into clinical practice, particularly for predicting RFS in patients with localized GIST.
#19 Gastrointestinal Stromal Tumor Prediction Tools | Memorial Sloan Kettering Cancer Center
https://www.mskcc.org/nomograms/gastrointestinal
Our gastrointestinal stromal tumor prediction tools are designed to help patients and their physicians calculate the likelihood of tumor recurrence following the complete resection (surgical removal of all cancerous tissue) of the gastrointestinal stromal tumor. […] Our gastrointestinal stromal tumor nomogram is a tool designed to predict the likelihood of tumor recurrence two years and five years following the complete resection (surgical removal of all cancerous tissue) of the gastrointestinal stromal tumor. […] Using new machine-learning classifiers called optimal classification trees, our artificial intelligence (AI)-based calculator is designed to predict the probability of gastrointestinal stromal tumor recurrence five years following the complete resection (surgical removal of all cancerous tissue) of the gastrointestinal stromal tumor.
#20 Gastrointestinal stromal tumour (GIST): British Sarcoma Group clinical practice guidelines | British Journal of Cancer
https://www.nature.com/articles/s41416-024-02672-0
Prognostic contour maps have been generated via several series of GIST patients which incorporate the mitotic index and tumour size as continuous non-linear variables, while tumour rupture is considered in addition to tumour site; these contour maps have been validated against pooled data from 10 series and 2560 patients from the literature. […] Standard risk stratification models may not predict risk of progression in SDH deficient GIST patients. […] In clinical practice we do not recommend using the AFIP or prognostic contour-based risk stratification in SDH deficient GISTs. […] Several nomograms and web or mobile phone applications are available to enable rapid risk category calculations to be made, which may assist multidisciplinary planning of patient management.
#21 Deep learning predicts patients outcome and mutations from digitized histology slides in gastrointestinal stromal tumor | npj Precision Oncology
https://www.nature.com/articles/s41698-023-00421-9
Risk assessment of gastrointestinal stromal tumor (GIST) according to the AFIP/Miettinen classification and mutational profiling are major tools for patient management. […] New methods to improve risk and molecular predictions are hence crucial to improve the tailoring of adjuvant therapy. […] DL models yielded comparable results to the Miettinen classification for relapse-free-survival prediction in localized GIST without adjuvant Imatinib (C-index=0.83 in cross-validation and 0.72 for independent testing). […] DL splitted Miettinen intermediate risk GIST into high/low-risk groups (p value=0.002 in the training set and p value=0.29 in the testing set). […] Notably, PDGFRA exon18 D842V mutation, which is resistant to Imatinib, was predicted with an AUC of 0.87 and 0.90 in cross-validation and independent testing, respectively.
#22 Gastrointestinal stromal tumor: 15-yearsâ experience in a single center | BMC Surgery | Full Text
https://bmcsurg.biomedcentral.com/articles/10.1186/1471-2482-14-93
The intermediate-high risk patients who received IM adjuvant therapy (n = 87) had better 5-year OS and RFS than those who did not (n = 188) (94.9% vs. 72.1; 82.3% vs. 56.3%, respectively). Similarly, advanced GIST patients underwent IM therapy (n = 45) had better 3-year OS and 1-year progression-free survival (PFS) than those who didn’t (n = 42) (75.6% vs. 6.8%; 87.6% vs. 12.4%, respectively). […] Very low- and low-risk GISTs can be treated with surgery alone. Large tumor size, high mitotic rate, high risk grade, and adjacent organ involvement contribute to the poor outcome. IM therapy significantly improves the survival of intermediate-high risk or advanced GIST patients.
#23 Early Prediction and Monitoring of Treatment Response in Gastrointestinal Stromal Tumors by Means of Imaging: A Systematic Review
https://www.mdpi.com/2075-4418/12/11/2722
In the era of personalized medicine, it is of utmost importance to evaluate the efficacy of TKI treatment at an early stage in order to optimize therapy strategies and protect patients from futile ineffective treatment, unnecessary side-effects and healthcare costs. Contrast-enhanced computed tomography (CE-CT) and 2-deoxy-2-[18F]fluoro-D-glucose ([18F]FDG) PET/CT are considered useful for diagnosis and response monitoring in GIST patients. The imaging modalities offer information on tumor morphology, perfusion characteristics, as well as tumor glucose metabolism. […] In response prediction, imaging features from baseline/diagnostic CE-CT and [18F]FDG-PET/CT are retrieved to predict responder status, prior to TKI administration. Articles on this topic were divided into five categories: mutational status, proliferative activity, risk stratification, radiological response and prognosis. These categories were considered important, as they all influence treatment strategies. Predicting whether patients will have a radiological response or a good prognosis at baseline could also aid the development of a more personalized TKI treatment.
#24 Early Prediction and Monitoring of Treatment Response in Gastrointestinal Stromal Tumors by Means of Imaging: A Systematic Review
https://www.mdpi.com/2075-4418/12/11/2722
Gastrointestinal stromal tumors (GISTs) are rare mesenchymal neoplasms. Tyrosine kinase inhibitor (TKI) therapy is currently part of routine clinical practice for unresectable and metastatic disease. It is important to assess the efficacy of TKI treatment at an early stage to optimize therapy strategies and eliminate futile ineffective treatment, side effects and unnecessary costs. This systematic review provides an overview of the imaging features obtained from contrast-enhanced (CE)-CT and 2-deoxy-2-[18F]fluoro-D-glucose ([18F]FDG) PET/CT to predict and monitor TKI treatment response in GIST patients. Generally, the presence of heterogeneous enhancement on baseline CE-CT imaging was considered predictive for high-risk GISTs, related to underlying neovascularization and necrosis of the tumor. Clinically established imaging features, including changes in tumor size and density, were considered unfavorable monitoring criteria, leading to under- and overestimation of response. Furthermore, changes in glucose metabolism, as reflected by [18F]FDG-PET imaging features, preceded changes in tumor size and were more strongly correlated with tumor response. Although CE-CT and [18F]FDG-PET can aid in the prediction and monitoring in GIST patients, further research on cost-effectiveness is recommended.
#25 Early Prediction and Monitoring of Treatment Response in Gastrointestinal Stromal Tumors by Means of Imaging: A Systematic Review
https://www.mdpi.com/2075-4418/12/11/2722
Of the selected articles, two articles discussed the use of imaging features obtained from [18F]FDG-PET/CT imaging to predict PFS through detection of disease recurrence (locally and or development of distant metastases). They found significantly higher MTV and TLG values in patients with a lower PFS. In addition to quantitative [18F]FDG-PET imaging features, larger tumor sizes were also a significant factor contributing to lower PFS. […] In conclusion, imaging features obtained from CE-CT and [18F]FDG PET/CT imaging can aid in the development of a more personalized treatment of GIST patients by enabling early prediction and monitoring of TKI therapy response. Heterogeneous enhancement patterns on baseline CE-CT imaging were predictive for high-risk GISTs, reflecting neovascularization and necrosis. For the purpose of response monitoring, current RECIST and Choi criteria are still lacking sensitivity and are prone to errors when predicting or monitoring treatment response. [18F]FDG-PET is a promising imaging technique that visualizes functional metabolic changes in GISTs, which precedes measurable changes in tumor size. Although promising, the true added value of [18F]FDG-PET remains elusive, and research on cost-effectiveness is warranted.
#26 Prognostic indicators for gastrointestinal stromal tumors: a review
https://pmc.ncbi.nlm.nih.gov/articles/PMC7327422/
The strategy to combat primary imatinib resistance caused by D842V mutation is to switch to another TKI. […] In recent years, many prognostic factors have been found, but lack of prospective, large sample, multicenter studies, the level of evidence is not particularly high, so they have not been added to the guidelines, with the continuous study, there will be some factors added to the risk classifications to guide the treatment of GIST patients and improve their prognosis.
#27 Deep learning predicts patients outcome and mutations from digitized histology slides in gastrointestinal stromal tumor | npj Precision Oncology
https://www.nature.com/articles/s41698-023-00421-9
While the models performance for predicting mutations are remarkable, it is still not perfect to replace genetic testing. […] These models can serve as pre-screening tools to greatly reduce the cost by pre-selecting a subset of patients for genetic testing. […] In conclusion, this study shows that DL could help to predict the risk of progression in localized GIST but needs improvements to be used in the clinical management of patients. […] DL seems more robust for identifying somatic mutations directly from HES whole slide images of patients with GIST.