Rak przełyku – Rokowania, prognozy i postęp choroby

Rak przełyku
Rokowania, prognozy i postęp choroby

Rak przełyku stanowi istotny problem kliniczny ze względu na wysoką śmiertelność i częstość nawrotów, pomimo postępów w leczeniu. Średnie 5-letnie przeżycie waha się od 20% do 50%, zależnie od stadium choroby, z gorszym rokowaniem w przypadku raka płaskonabłonkowego (ESCC) – około 10% 5-letniej przeżywalności globalnie, oraz lepszym w przypadku wczesnego gruczolakoraka przełyku, choć większość diagnozowana jest w zaawansowanym stadium. Mediana całkowitego przeżycia (OS) po ezofagektomii wynosi 54 miesiące, a przeżycie wolne od choroby (DFS) 35 miesięcy. Przeżycie 5-letnie według stadium wynosi: około 65% dla stadium I, 30% dla stadium II, 20% dla stadium III i 5% dla stadium IV. Najważniejszymi czynnikami prognostycznymi są stadium guza, zajęcie węzłów chłonnych, obecność przerzutów odległych, margines resekcji oraz odpowiedź na terapię neoadjuwantową. Całkowita odpowiedź patologiczna (pCR) po terapii neoadjuwantowej wiąże się z istotnie lepszym przeżyciem (mediana OS 67,8 vs. 30,8 miesięcy).

Rokowanie w raku przełyku – przegląd ogólny
Dane statystyczne dotyczące przeżywalności
Czynniki prognostyczne

Czynniki kliniczne
Czynniki patologiczne
Odpowiedź na leczenie jako czynnik prognostyczny

Nawroty choroby i ich wpływ na rokowanie
Modele prognostyczne w raku przełyku

Tradycyjne modele prognostyczne
Nowe modele prognostyczne

Wpływ leczenia na rokowanie
Perspektywy w prognozowaniu raka przełyku

Kolejne rozdziały

Rokowanie w raku przełyku – przegląd ogólny

Rak przełyku pozostaje istotną przyczyną zachorowalności i śmiertelności nowotworowej na całym świecie. Pomimo poprawy standardowych metod leczenia, ezofagektomia nadal wiąże się z wysoką chorobowością pooperacyjną i długoterminowym pogorszeniem jakości życia związanej ze zdrowiem. Ponadto nawroty pozostają powszechne i istotnie wpływają na długoterminowe rokowanie, a pacjenci doświadczają ogólnego 5-letniego przeżycia wynoszącego 20-50% w większości przypadków.¹

Rokowanie w raku przełyku jest generalnie niekorzystne, a globalne dane wskazują, że rak przełyku zajmuje szóste miejsce wśród najczęstszych przyczyn śmierci związanych z nowotworami i siódme miejsce pod względem zachorowalności wśród wszystkich nowotworów złośliwych.²³ 5-letnia śmiertelność zależy od stadium guza. Niestety, większość przypadków prezentuje się z chorobą regionalną lub odległymi przerzutami (odpowiednio 30% i 40%).²

Rokowanie dla pacjentów z rakiem płaskonabłonkowym przełyku (ESCC) pozostaje słabe, ze średnim 5-letnim przeżyciem wynoszącym 10% w skali globalnej.⁴ Natomiast gruczolakorak przełyku ma korzystne rokowanie, jeśli zostanie zdiagnozowany wcześnie, gdy jest ograniczony do warstw śluzówki i podśluzówki przełyku. Niestety, większość przypadków jest diagnozowana w późnym stadium, kiedy rokowanie jest bardzo złe. 5-letnia ogólna przeżywalność pacjentów z gruczolakorakiem przełyku wynosi mniej niż 20%, porównywalnie do pacjentów z rakiem wątroby, płuc lub trzustki.⁵

Dane statystyczne dotyczące przeżywalności

Według danych z badań obejmujących 4719 pacjentów poddanych ezofagektomii z powodu raka, mediana czasu przeżycia całkowitego (OS) wynosiła 54 miesiące. Nawrót stwierdzono u 2653 pacjentów, z medianą czasu przeżycia wolnego od choroby (DFS) wynoszącą 35 miesięcy. Przeżycie całkowite po 1, 3 i 5 latach wynosiło odpowiednio 89,3%, 59,2% i 47,7%. DFS po 1, 3 i 5 latach wynosiło odpowiednio 72,1%, 49,2% i 40,9%.⁶

Szczegółowe dane przeżywalności w zależności od stadium zaawansowania dla pacjentów z rakiem przełyku przedstawiają się następująco:

Prawie 65 na 100 osób (prawie 65%) z rakiem przełyku w stadium 1 przeżyje 5 lat lub więcej po diagnozie⁷
Około 30 na 100 osób (około 30%) z rakiem przełyku w stadium 2 przeżyje 5 lat lub więcej po diagnozie⁷
Około 20 na 100 osób (około 20%) z rakiem przełyku w stadium 3 przeżyje 5 lat lub więcej po diagnozie⁷
5 na 100 osób (5%) z rakiem przełyku w stadium 4 przeżyje 4 lata lub więcej po diagnozie⁷

Ogólne dane przeżywalności dla osób z rakiem przełyku w Anglii wskazują, że:

Ponad 45 na 100 osób (ponad 45%) przeżyje swój nowotwór przez 1 rok lub dłużej po diagnozie⁸
Prawie 20 na 100 osób (prawie 20%) przeżyje swój nowotwór przez 5 lat lub dłużej⁸
Ponad 10 na 100 osób (ponad 10%) przeżyje swój nowotwór przez 10 lat lub dłużej⁸

W przypadku zlokalizowanej choroby 5-letnie przeżycie wynosi około 40%, natomiast w przypadku odległej choroby przerzutowej tylko około 5%.²

Czynniki prognostyczne

Czynniki kliniczne

Najważniejszym czynnikiem prognostycznym dla raka przełyku jest stadium guza w momencie diagnozy. Rak przełyku wykryty we wcześniejszym stadium ma lepsze rokowanie niż rak przełyku wykryty w późniejszym stadium.⁹ Guzy przełyku, które są zlokalizowane tylko w błonie śluzowej wyściełającej przełyk, mają bardziej korzystne rokowanie niż guzy, które przeniknęły przez ścianę mięśniową lub rozprzestrzeniły się do innych narządów.⁹

Inne istotne czynniki kliniczne wpływające na rokowanie to:

Wielkość guza – małe guzy mają bardziej korzystne rokowanie niż duże guzy¹⁰
Zajęcie węzłów chłonnych – im mniejsza liczba węzłów chłonnych zajętych przez raka, tym lepsze rokowanie¹⁰
Obecność przerzutów odległych – rak przełyku, który rozprzestrzenił się do narządów w innych częściach ciała, ma mniej korzystne rokowanie¹⁰
Choroba resztkowa – brak choroby resztkowej po operacji ma lepsze rokowanie niż przypadki, gdy część nowotworu pozostaje po operacji¹⁰
Odpowiedź na terapię neoadjuwantową – rak przełyku, który odpowiada na terapię neoadjuwantową, jest bardziej prawdopodobnie całkowicie usunięty podczas operacji, co prowadzi do lepszego rokowania¹⁰

Czynniki patologiczne

W analizach wykorzystujących techniki uczenia maszynowego, zajęcie węzłów chłonnych oraz inwazja naczyniowa zostały zidentyfikowane jako najważniejsze czynniki wpływające na przewidywanie złego przeżycia całkowitego, odpowiadając za 42,6% wydajności modelu prognostycznego.¹¹

Dodatkowo, dodatni margines resekcji okrężnej (CRM+) jest niezależnie i istotnie powiązany z krótszym czasem przeżycia wolnego od choroby i całkowitym przeżyciem, dla guzów we wszystkich stadiach pT, a także w stadium pT3. Dodatni CRM jest lepszym predyktorem DFS i OS niż standardowe stadium pTNM.¹²

Najbardziej istotne zmienne w modelu Random Survival Forest (RSF) do przewidywania długoterminowego przeżycia po ezofagektomii to: zajęcie węzłów chłonnych, stadium pT, zajęcie marginesu resekcji okrężnej (guz w odległości 1 mm od krawędzi cięcia) oraz wiek.¹³

Odpowiedź na leczenie jako czynnik prognostyczny

Całkowita odpowiedź patologiczna (pCR), powszechnie definiowana jako ypT0N0M0 z resekcją R0, jest uważana za obiecujący zastępczy punkt końcowy do oceny skuteczności terapii neoadjuwantowej. Badania wykazały, że osiągnięcie pCR u pacjentów z rakiem przełyku wiąże się ze znacznie lepszym przeżyciem w porównaniu z pacjentami bez pCR. Mediana OS wynosiła 67,8 miesiąca dla pacjentów z pCR i 30,8 miesiąca dla pacjentów bez pCR.³

Krzywe Kaplana-Meiera i testy log-rank wykazały, że pacjenci z pCR mieli statystycznie istotnie lepsze OS niż pacjenci bez pCR, zarówno w kohorcie szkoleniowej, jak i w kohorcie walidacji zewnętrznej.³

Nawroty choroby i ich wpływ na rokowanie

Wczesny nawrót nowotworu po ezofagektomii jest częstym problemem z częstością występowania 20-30% pomimo powszechnego stosowania leczenia neoadjuwantowego.¹⁴ Analiza kohorty wykazała częstość wczesnych nawrotów na poziomie 29,1%, co jest podobne do wcześniejszych doniesień.¹¹

Rokowanie pacjentów z nawrotem pozostaje bardzo złe.¹⁵ Mediana przeżycia po nawrocie (PRS) wynosiła 12,9 miesiąca.¹⁵ Wyniki przeżycia pacjentów z izolowanym nawrotem (OM – oligometastasis) były znacznie lepsze niż pacjentów z wieloma nawrotami (NOM – non-oligometastasis) (P<0,01).¹⁵

Leczenie chirurgiczne zapewniało znacznie lepsze wyniki przeżycia niż chemioradioterapia (CRT) lub chemio-/radioterapia stosowana samodzielnie (3-letnie przeżycie całkowite (OS); 78,1% vs. 42,5% vs. 28,9%, P<0,01), głównie z powodu wydłużenia przeżycia po nawrocie (3-letnie PRS 62,9% vs. 16,7% vs. 16,2%, P<0,01).¹⁵

Niedawne badania wykazały, że izolowany nawrót (OM) jest związany z korzystnymi wynikami po nawrocie u pacjentów z rakiem przełyku. Korzystne wyniki przeżycia pacjentów z OM wynikają głównie z wysokiego prawdopodobieństwa osiągnięcia leczenia radykalnego w przypadku nawrotów choroby.¹⁶

Modele prognostyczne w raku przełyku

Tradycyjne modele prognostyczne

Przewidywanie pacjentów z złym rokowaniem pozostaje wyzwaniem. Istnieje ograniczona liczba narzędzi predykcyjnych, przy czym kryteria American Joint Committee on Cancer (AJCC) dotyczące klasyfikacji Guza, Węzłów, Przerzutów (TNM) są szeroko wykorzystywane do stratyfikacji pacjentów i wynikającego z tego przeżycia na podstawie stadium anatomicznego. Klasyfikacje są jednak oparte głównie na danych historycznych (lata 1980-2000), które nie odzwierciedlają ostatnich postępów w leczeniu, a określenie stadium jest ograniczone do pooperacyjnych informacji o stanie choroby u pacjentów operowanych.¹⁷

System klasyfikacji guza, węzłów, przerzutów (TNM) dla raka przełyku pomaga określić rokowanie i leczenie w oparciu o głębokość guza, liczbę zajętych węzłów chłonnych i przerzuty do odległych narządów.¹⁸

Nowe modele prognostyczne

W ostatnich latach opracowano kilka zaawansowanych modeli prognostycznych, w tym:

1. Model radiomiczny oparty na FDG-PET/CT – Wyniki badań sugerują, że podejście radiomiczne ujawnia niezależne czynniki prognostyczne dla przeżycia u pacjentów z rakiem połączenia żołądkowo-przełykowego (GEJC). W analizie wielowymiarowej potwierdzono, że histogram-entropia i SUVmean były niezależnie związane z przeżyciem u pacjentów z GEJC. Cechy tekstury (TFs) wykazały rzeczywisty potencjał jako klinicznie użyteczny biomarker obrazowania, dostarczając dodatkowych informacji prognostycznych do selekcji pacjentów.¹⁹²⁰

2. Immunoscore nomogram – Badania wykazały, że immunoscore może być używany jako niezależny predyktor w modelu prognostycznym (kohorta treningowa: [współczynnik ryzyka (HR), 4,78; 95% przedział ufności (CI), 2,64-8,67; P 0,001], kohorta walidacyjna: [HR, 2,15; 95% CI, 1,04-4,45; P = 0,040]). Wyniki wykazały znaczącą różnicę w ogólnym przeżyciu między grupą z wysokim immunoscore a grupą z niskim immunoscore. Po kontroli wpływu klinicznych cech zakłócających, analiza wieloczynnikowa wykazała, że immunoscore nadal był niezależnym czynnikiem prognostycznym, co zostało dodatkowo potwierdzone w niezależnej kohorcie.²¹

3. Model uczenia maszynowego – Zastosowanie technik uczenia maszynowego, szczególnie modeli Random Survival Forest (RSF), wykazało obiecujące wyniki w wielu kontekstach i zostało wykorzystane dla raka przełyku w opracowaniu 7. i 8. edycji podręczników klasyfikacji TNM. Model RSF wykazał dobrą dyskryminację z bootstrapowanym tAUC 77,1% po 5 latach w walidacji wewnętrznej. Było to równoważne z modelem proporcjonalnego hazardu Coxa (CPH), który wykazał 5-letni bootstrapowany tAUC 78,2%.²²

Ostateczny model RSF zawierał 14 zmiennych i wykazał doskonałą dyskryminację z 5-letnim czasowo zależnym obszarem pod krzywą operatora odbiornika wynoszącym 83,9%.¹³

4. Sygnatura białkowa do przewidywania przeżycia wolnego od nawrotu – Opracowano wynik oparty na poziomach ekspresji biomarkerów z oszacowaniami regresji jako wagami (Wynik biomarkera = 1,03 cytoplazmatyczny β-katenina + 0,73 jądrowy c-Myc + jądrowy 1,07 DVL – 1,22 β-katenina błonowa), który był silnie związany z prognozą nawrotu/śmierci ESCC [HR = 1,11 (95% CI = 1,05, 1,17), p<0,001, c-statystyka = 0,68].²³

Wpływ leczenia na rokowanie

Opcje leczenia raka przełyku znacznie zmieniły się w ciągu ostatnich dekad wraz z wprowadzeniem multimodalnych koncepcji leczenia dominujących postęp w tej dziedzinie.²⁴ Mediana całkowitego przeżycia w badanej grupie wynosiła 21,4 miesiąca. Jednakże wystąpił tylko trend w kierunku poprawy OS na przestrzeni lat bez różnicy między RCT z lub bez operacji (p = 0,09).²⁴

Pomimo wszystkich wysiłków w dziedzinie podejść multimodalnych, rokowanie raka przełyku jest nadal ograniczone.²⁴ Głównymi predyktorami wyniku w badanej kohorcie było dodanie chemioterapii.²⁴

Na podstawie krótkoterminowych i długoterminowych wyników kilku randomizowanych badań kontrolowanych, terapia neoadjuwantowa składająca się z chemioradioterapii, po której następuje ezofagektomia, stała się ustalonym standardowym leczeniem miejscowo zaawansowanego raka przełyku.³

Leczenie koncentrowało się przede wszystkim na resekcji, albo chirurgicznej, albo, bardziej ostatnio, endoskopowej. Radioterapia i chemioterapia były historycznie rozważane u pacjentów, u których resekcja jest mniej wykonalna ze względu na rozprzestrzenienie się raka. W przypadku raka przełyku w ogóle, podejście wielodyscyplinarne może pomóc zidentyfikować najlepszą strategię terapeutyczną w oparciu o charakterystykę pacjenta i guza oraz lokalną wiedzę specjalistyczną.⁵

Perspektywy w prognozowaniu raka przełyku

We wczesnym okresie pooperacyjnym kluczowe jest wczesne zidentyfikowanie osób zagrożonych niekorzystnym rokowaniem po leczeniu, co ma kluczowe znaczenie dla poprawy długoterminowego przeżycia, przy czym istnieje coraz szerszy zakres alternatyw terapeutycznych po niepowodzeniu leczenia podstawowego, w tym immunoterapia, ablacja częstotliwościami radiowymi i operacja ratunkowa lokoregionu. Identyfikacja populacji o wysokim ryzyku nawrotu może dostarczyć użytecznych informacji zarówno pacjentom, jak i klinicystom oraz ułatwić optymalizację decyzji terapeutycznych w oparciu o zindywidualizowany profil czynników prognostycznych.¹

Badanie z użyciem modelu RSF do długoterminowego przeżycia po ezofagektomii wykazało doskonałą dyskryminację i dobrze skalibrowane prognozy. Model jest odpowiedni dla pacjentów, którzy przeszli planowaną leczniczą ezofagektomię z powodu gruczolakoraka lub raka płaskonabłonkowego przełyku, którzy mieli odpowiednią limfadenektomię i przeżyli do wypisu ze szpitala.²⁵

Model opisany w badaniu zapewnia bardziej precyzyjną prognozę rokowania dla indywidualnego pacjenta niż samo stadium TNM, co będzie cenne w pooperacyjnych rozmowach z pacjentami. Zmienne, które okazały się najbardziej wpływowe, są zgodne z doświadczeniem klinicznym i ustaleniami z innych badań, przy czym zajęcie węzłów chłonnych jest powszechnie uznawane za najbardziej wpływowy czynnik determinujący długoterminowe przeżycie w raku przełyku.²⁵

Kluczową zaletą modelu jest jego wydajność w identyfikowaniu pacjentów z tym samym stadium choroby, którzy mają rozbieżne 5-letnie przeżycie.²⁶

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 Predicting long-term survival and time-to-recurrence after esophagectomy in patients with esophageal cancer – Development and validation of a multivariate prediction model
https://pmc.ncbi.nlm.nih.gov/articles/PMC7614526/
Esophageal cancer remains a significant cause of disease burden and cancer mortality worldwide. Despite improvements in standard treatment modalities, esophagectomy continues to be associated with high postoperative morbidity and long-term deterioration in health-related quality of life. Furthermore, recurrence remains common and substantially influences long-term prognosis with patients experiencing an overall 5-year survival of 20-50% in most settings. […] In the postoperative setting, early identification of individuals at risk of an unfavorable prognosis following treatment is key to improving long-term survival, with an expanding range of therapeutic alternatives after primary treatment failure including immunotherapy, radiofrequency ablation and salvage locoregional surgery. Identification of a population at high-risk of recurrence can provide useful information to both patients and clinicians and facilitate optimized therapeutic decisions based on an individualized profile of prognostic factors.
#2 Esophageal carcinoma | Radiology Reference Article | Radiopaedia.org
https://radiopaedia.org/articles/oesophageal-carcinoma-1?lang=us
Esophageal carcinoma is globally the 7th most common cancer and 6th most common cause of cancer-related death as per NCCN version 3.2023. […] The 5-year mortality depends on the stage of the tumor. Unfortunately, most cases present with regional or distant metastatic disease (30% and 40%, respectively). […] localized disease: ~40% 5-year survival […] distant metastatic disease: ~5% 5-year survival.
#3 Online tools to predict individualised survival for primary oesophageal cancer patients with and without pathological complete response after neoadjuvant therapy followed by oesophagectomy: development and external validation of two independent nomograms
https://bmjopengastro.bmj.com/content/11/1/e001253
Oesophageal cancer ranked sixth in mortality and seventh in incidence among all malignancies in 2020. Based on the short-term and long-term results of several randomised controlled trials, neoadjuvant therapy consisting of chemoradiation followed by oesophagectomy has become the established standard treatment for locally advanced oesophageal cancer. Pathological complete response (pCR), widely defined as ypT0N0M0 with R0 resection, is considered a promising surrogate endpoint for evaluating the effectiveness of neoadjuvant therapy. A previous study has demonstrated that achieving pCR in patients with oesophageal cancer is associated with significantly improved survival compared with non-pCR patients. The median OS was 67.8 months for pCR patients and 30.8 months for non-pCR patients. Kaplan-Meier curves and log-rank tests demonstrated that pCR patients had statistically significantly better OS than that of non-pCR patients in both the training and external validation cohorts. Our study constructed distinct web-based nomograms for predicting the OS of pCR and non-pCR patients after neoadjuvant therapy followed by oesophagectomy with the largest sample size. In conclusion, our study demonstrated that patients with oesophageal cancer who achieved pCR after neoadjuvant therapy and oesophagectomy had significantly better OS than that of non-pCR patients. The nomograms we constructed are web-based and dynamically calculate the OS probability for pCR and non-pCR patients, enabling clinicians and patients to decide on individualised medical treatments.
#4 Prediction of recurrence free survival for esophageal cancer patients using a protein signature based risk model | Oncotarget
https://www.oncotarget.com/article/10656/text/
Background: Biomarkers to predict the risk of disease recurrence in Esophageal squamous cell carcinoma (ESCC) patients are urgently needed to improve treatment. We developed proteins expression-based risk model to predict recurrence free survival for ESCC patients. […] The prognosis for patients with ESCC still remains poor, with an average 5-year survival of 10% globally. […] Biomarker signature score based on cytoplasmic -catenin, nuclear c-Myc, nuclear DVL and membrane -catenin was associated with recurrence free survival [Hazard ratio = 1.11 (95% CI = 1.05, 1.17), p 0.001, C-index = 0.68] and added significant prognostic value over clinical parameters (p 0.001). […] Our comprehensive risk model predictive for recurrence allowed us to determine the robustness of our biomarker panel in stratification of ESCC patients at high or low risk of disease recurrence; high risk patients are stratified for more rigorous personalized treatment while the low risk patients may be spared from harmful side effects of toxic therapy.
#5 Esophageal adenocarcinoma: A dire need for early detection and treatment | Cleveland Clinic Journal of Medicine
https://www.ccjm.org/content/89/5/269
Esophageal adenocarcinoma has a favorable prognosis if diagnosed early, when it is isolated to the mucosal and submucosal layers of the esophagus. Unfortunately, most cases are diagnosed at a late stage, when the prognosis is dismal. The 5-year overall survival rate of patients with esophageal adenocarcinoma is less than 20%, comparable to that of patients who have liver, lung, or pancreas cancer. Thus, there is a dire need for effective screening strategies to diagnose it earlier. […] Treatment has primarily focused on resection, either surgical or, more recently, endoscopic. Radiation therapy and chemotherapy have historically been considered in patients in whom resection is less feasible because the cancer has already spread. For esophageal cancer in general, a multidisciplinary approach may help identify the best therapeutic strategy based on patient and tumor characteristics and local expertise.
#6 Predicting long-term survival and time-to-recurrence after esophagectomy in patients with esophageal cancer – Development and validation of a multivariate prediction model
https://pmc.ncbi.nlm.nih.gov/articles/PMC7614526/
This study included 4719 patients who underwent an esophagectomy for cancer. The median OS time was 54 months. Recurrence was found in 2653 patients, with a median DFS time of 35 months. OS at 1, 3 and 5 years was 89.3%, 59.2% and 47.7% respectively. DFS at 1, 3 and 5 years was 72.1%, 49.2% and 40.9% respectively. […] In conclusion, this study has demonstrated the ability to accurately predict long-term survival and time-to-recurrence after surgery for esophageal cancer using routinely collected data. Identification of patient groups at risk of recurrence and poor long-term can improve patient outcomes by enhancing selection of treatment methods and surveillance strategies. The CPH models developed in this study illustrated very good discrimination and performance, with ML techniques from the RSF demonstrating similar performance.
#7 Survival for oesophageal cancer | Cancer Research UK
https://www.cancerresearchuk.org/about-cancer/oesophageal-cancer/survival
Survival depends on many factors. No one can tell you exactly how long you will live. […] Your doctor can give you more information about your own outlook (prognosis). […] 5 year survival is the number of people who have not died from their cancer within 5 years after diagnosis. […] Almost 65 out of 100 people (almost 65%) with stage 1 oesophageal cancer will survive their cancer for 5 years or more after they’re diagnosed. […] Around 30 out of 100 people (around 30%) with stage 2 oesophageal cancer will survive their cancer for 5 years or more after they’re diagnosed. […] Around 20 out of 100 people (around 20%) with stage 3 oesophageal cancer will survive their cancer for 5 years or more after they’re diagnosed. […] 5 out of 100 people (5%) with stage 4 oesophageal cancer will survive their cancer for 4 years or more after they are diagnosed.
#8 Survival for oesophageal cancer | Cancer Research UK
https://www.cancerresearchuk.org/about-cancer/oesophageal-cancer/survival
For people with oesophageal cancer in England: more than 45 out of every 100 (more than 45%) will survive their cancer for 1 year or more after they are diagnosed, almost 20 out of every 100 (almost 20%) will survive their cancer for 5 years or more, more than 10 out of 100 (more than 10%) will survive their cancer for 10 years or more. […] Your outlook depends on the stage of the cancer when it was diagnosed. This means how big it is and whether it has spread. […] The type of cancer and grade of the cancer cells can also affect your survival. […] Your general fitness and other health conditions also affect survival.
#9 Prognosis and survival for esophageal cancer | Canadian Cancer Society
https://cancer.ca/en/cancer-information/cancer-types/esophageal/prognosis-and-survival
If you have esophageal cancer, you may have questions about your prognosis. A prognosis is the doctor’s best estimate of how cancer will affect someone and how it will respond to treatment. Prognosis and survival depend on many factors. Only a doctor familiar with your medical history, the type, stage and other features of the cancer, the treatments chosen and the response to treatment can put all of this information together with survival statistics to arrive at a prognosis. […] The most important prognostic factor for esophageal cancer is the stage of the tumour at the time it is diagnosed. Esophageal cancer found at an earlier stage has a better outcome than esophageal cancer found at a later stage. […] Esophageal tumours that are found only in the mucosa lining the esophagus have a more favourable prognosis than tumours that have grown through the muscle wall or that have spread to other organs.
#10 Prognosis and survival for esophageal cancer | Canadian Cancer Society
https://cancer.ca/en/cancer-information/cancer-types/esophageal/prognosis-and-survival
Small tumours have a more favourable prognosis than large tumours. […] The lower the number of lymph nodes that have cancer, the better the prognosis. […] Esophageal cancer that has spread to organs in other parts of the body has a less favourable prognosis. […] The amount of cancer that remains after surgery is called residual disease. No residual disease has a better prognosis than if some cancer remains after surgery. […] Esophageal cancer that responds to neoadjuvant therapy is more likely to be completely removed by surgery. As a result, cancer that responds to neoadjuvant therapy has a better prognosis than cancer that doesn’t respond to it.
#11 Machine learning to predict early recurrence after oesophageal cancer surgery | medRxiv
https://www.medrxiv.org/content/10.1101/19001073v1.full-text
In this study we have derived an easy to use and robust clinical model for predicting the risk of early recurrence after surgery for oesophageal adenocarcinoma. […] The final model demonstrated excellent discrimination, and validation techniques supported the generalisability of the approach. […] This cohort exhibited an early recurrence rate of 29.1%, which is similar to previous reports. […] The most important variables overall were number of positive lymph nodes and vascular invasion, accounting for 42.6% of performance. […] Machine learning techniques represent an attractive proposition for maximising performance of predictive models.
#12 Prognostic significance of circumferential resection margin involvement following oesophagectomy for cancer and the predictive role of endoluminal ultrasonography | British Journal of Cancer
https://www.nature.com/articles/bjc2012511
The optimum multimodal treatment for oesophageal cancer, and the prognostic significance of histopathological tumour involvement of the circumferential resection margin (CRM+) are uncertain. The aims of this study were to determine the prognostic significance of CRM+ after oesophagectomy and to identify endosonographic (endoluminal ultrasonography (EUS)) features that predict a threatened CRM+. […] A positive CRM was a better predictor of DFS and OS than standard pTNM stage. […] The principal findings were that a positive CRM was independently and significantly associated with disease-free and OS, for tumours of all pT stages, as well as pT3 stage. […] Involvement of the oesophageal CRM is an independently significant predictor of poorer disease-free and OS.
#13
https://journals.lww.com/annalsofsurgery/fulltext/2023/02000/the_augis_survival_predictor__prediction_of.15.aspx
The aim of this study was to develop a predictive model for overall survival after esophagectomy using pre/postoperative clinical data and machine learning. […] For patients with esophageal cancer, accurately predicting long-term survival after esophagectomy is challenging. […] The final RSF model included 14 variables and had excellent discrimination with a 5-year time-dependent area under the receiver operator curve of 83.9% […] The most important variables were lymph node involvement, pT stage, circumferential resection margin involvement (tumor at 1 mm from cut edge) and age. […] An RSF model for long-term survival after esophagectomy exhibited excellent discrimination and well-calibrated predictions. […] The delivery of personalized long-term survival estimates after treatment for esophageal cancer is challenging.
#14 Machine learning to predict early recurrence after oesophageal cancer surgery | medRxiv
https://www.medrxiv.org/content/10.1101/19001073v1.full-text
Objective To develop a predictive model for early recurrence after surgery for oesophageal adenocarcinoma using a large multi-national cohort. […] Early cancer recurrence after oesophagectomy is a common problem with an incidence of 20-30% despite the widespread use of neoadjuvant treatment. […] The derived model using machine learning approaches and an international dataset provided excellent performance in quantifying the risk of early recurrence after surgery and will be useful in prognostication for clinicians and patients. […] Oesophageal adenocarcinoma carries a poor prognosis. […] Early recurrence (less than 1 year) after surgery is a feared outcome with rates of 20-30% frequently reported, despite the increasing uptake of neoadjuvant chemotherapy (NACT) and chemoradiotherapy (NACRT).
#15 Survival outcomes of esophageal cancer patients with recurrence after curative treatments | BMC Cancer | Full Text
https://bmccancer.biomedcentral.com/articles/10.1186/s12885-023-11568-w
Little is known about predictive factors for survival outcomes of esophageal carcinoma (EC) patients who developed recurrence after undergoing multimodal therapies. […] The median PRS was 12.9 months. […] The survival outcomes of patients with OM were significantly better than those of patients with NOM (P<0.01). [...] Surgical treatments provided significantly better survival outcomes than CRT or chemo-/radiotherapy alone (3-year overall survival (OS); 78.1% vs. 42.5% vs. 28.9%, P<0.01), mainly due to prolonging survival after the recurrence (3-year PRS 62.9% vs. 16.7% vs. 16.2%, P<0.01). [...] The survival outcomes of patients with relapsed EC remain poor. Surgical treatments could provide survival benefits for patients with recurrent EC, especially for patients with OM. [...] The prognosis of patients who develop recurrence remains extremely poor.
#16 Survival outcomes of esophageal cancer patients with recurrence after curative treatments | BMC Cancer | Full Text
https://bmccancer.biomedcentral.com/articles/10.1186/s12885-023-11568-w
Recent studies have revealed isolated recurrence, i.e., OM, to be associated with favorable outcomes after recurrence in EC patients. […] The favorable survival outcomes of patients with OM are mainly due to the high probability of achieving curative treatment for their disease relapses. […] Our study suggested these factors to be useful for predicting post-recurrence survival not only in patients undergoing surgery but also in those receiving multimodal therapies including surgery and dCRT. […] In patients with OM, several factors (cStage III-IV, high GPS and non-surgical treatments) were identified as independent predictors of poor PRS. […] The survival outcomes of those with NOM were quite poor regardless of patient status, original tumor background and treatments. […] Overall, post-recurrence survival is the major determinant of the long-term outcomes of EC patients with recurrence.
#17 Predicting long-term survival and time-to-recurrence after esophagectomy in patients with esophageal cancer – Development and validation of a multivariate prediction model
https://pmc.ncbi.nlm.nih.gov/articles/PMC7614526/
Nonetheless, prediction of patients with poor prognosis remains challenging. A limited number of predictive tools exist currently, with The American Joint Committee on Cancer (AJCC) Tumor, Node, Metastases (TNM) staging criteria being widely utilized to stratify patients and their resulting survival based on anatomical stage. Classifications are however based mainly on historical data (1980s to 2000s), which fails to reflect recent advancements in treatment and staging is limited to postoperative information on disease status in operated patients. […] A paucity of evidence exists in the literature concerning prognostication for esophageal cancer. Existing models have failed to gain widespread clinical use or advocation as a gold standard, with the lack of actionable guidance limiting overall utility. Advances in machine learning techniques, with random survival forest (RSF) models in particular, have demonstrated promising results in multiple settings and have been used for esophageal cancer in developing the 7th and 8th editions of the TNM staging manuals, but performance in a clinical environment when compared to traditional statistical methods remains as yet unresolved. Accordingly, this study aims to develop and validate multivariable prediction models that can provide clinicians with accurate long-term survival and time-to-recurrence for patients with esophageal cancer following surgical resection.
#18 Esophageal adenocarcinoma: A dire need for early detection and treatment | Cleveland Clinic Journal of Medicine
https://www.ccjm.org/content/89/5/269
Once esophageal adenocarcinoma is diagnosed, its stage needs to be assessed to determine prognosis and treatment. This involves the TNM system. The tumor, node, metastasis (TNM) staging system for esophageal cancer helps determine prognosis and treatment based on tumor depth, number of affected lymph nodes, and metastasis to distant organs. […] Early esophageal adenocarcinoma is commonly diagnosed serendipitously in patients without symptoms undergoing upper endoscopy for other reasons. Due to the unique anatomy of the esophagus, even early esophageal adenocarcinoma has a risk of lymph node metastasis, and appropriate management is necessary.
#19 Prognostic value of pre-therapeutic FDG-PET radiomic analysis in gastro-esophageal junction cancer | Scientific Reports
https://www.nature.com/articles/s41598-023-31587-8
The main aim of this study was to evaluate the prognostic value of radiomic approach in pre-therapeutic 18F-fluorodeoxyglucose positron-emission tomography (FDG-PET/CT) in a large cohort of patients with gastro-esophageal junction cancer (GEJC). […] Our results suggest that radiomic approach reveals independent prognostic factors for survival in patients with GEJC. […] Their prognosis is very poor despite aggressive treatment strategies including surgery and chemo-radiotherapy (CRT). […] Nevertheless, despite careful evaluation of these clinical factors, it remains difficult to reliably predict patients outcome after a selected treatment. […] To date, only few studies have assessed the prognostic value of pre-therapeutic FDG-PET/CT radiomic analysis in esophageal and gastric cancers.
#20 Prognostic value of pre-therapeutic FDG-PET radiomic analysis in gastro-esophageal junction cancer | Scientific Reports
https://www.nature.com/articles/s41598-023-31587-8
The aim of this study was to assess the prognostic value of pre-therapeutic FDG-PET/CT radiomic analysis, including TFs, in a large cohort of patients with GEJC. […] The results of multivariate analysis were confirmed in the internal validation cohort for the primary endpoint only. […] Histogram-Entropy and SUVmean were independently associated with survival in patients with GEJC. Thus, TFs showed a real potential to be a clinically useful imaging biomarker providing additional prognostic information for patients selection.
#21 An immunoscore nomogram for predicting survival in patients with oesophageal cancer | Aging
https://www.aging-us.com/article/202686/text
This study aimed to construct and validate an immunoscore nomogram that may be used to predict the prognosis of oesophageal cancer. […] This immunoscore was used as an independent predictor in the prognostic model (training cohort: [hazard ratio (HR), 4.78; 95% confidence interval (CI), 2.64-8.67; P 0.001], validation cohort: [HR, 2.15; 95% CI, 1.04-4.45; P = 0.040]). […] Therefore, the novel immunoscore signature based on infiltrating immune cells can be used as a reliable predictor of the prognosis of oesophageal cancer, and the immunoscore nomogram is a convenient tool for predicting the survival of individual patients. […] The results showed a significant difference in the overall survival between the high-immunoscore group and the low-immunoscore group. […] After controlling for confounding clinical characteristics, multivariate analysis showed that immunoscore was still an independent prognostic factor, which was further validated in an independent cohort.
#22 Predicting long-term survival and time-to-recurrence after esophagectomy in patients with esophageal cancer – Development and validation of a multivariate prediction model
https://pmc.ncbi.nlm.nih.gov/articles/PMC7614526/
Predictive models were developed using OS and DFS at 5-years to predict long-term survival and time-to-recurrence in patients after esophagectomy for cancer. The primary outcome was OS and DFS at 5-years, with the other periods being assessed as secondary outcomes. […] The RSF VIMP identified advanced pathological tumor staging alongside lymphovascular invasion to be most important factors in predicting poor overall survival. The RSF model demonstrated good discrimination with a bootstrapped tAUC of 77.1% at 5 years in internal validation. This was equivalent to the CPH model which produced a 5-year bootstrapped tAUC of 78.2%. […] The CPH model showed good agreement between the observed and predicted survival times for all patients when grouped in quintiles according to their survival predictions. However, the RSF model only showed good agreement for patients who had a predicted survival between 20% and 80%.
#23 Prediction of recurrence free survival for esophageal cancer patients using a protein signature based risk model | Oncotarget
https://www.oncotarget.com/article/10656/text/
A signature score based on biomarkers expression levels with regression estimates as weights (Biomarker Score = 1.03 cytoplasmic -catenin + 0.73 nuclear c-Myc + nuclear 1.07 DVL 1.22 -catenin membrane) was strongly associated with prognosis of ESCC recurrence/death [HR = 1.11 (95% CI = 1.05, 1.17), p 0.001, c-statistic = 0.68]. […] The clinical relevance of these biomarkers signature score was assessed in correctly identifying subjects at high and low risk of ESCC recurrence/death within 1 year and 3 years post-surgery. […] Importantly, we demonstrated that a panel of 4 biomarkers, cytoplasmic -catenin, nuclear c-Myc, nuclear DVL and membrane -catenin, constituted the prognostic molecular signature for ESCC patients. […] The findings of our study set the foundations for external validation of the prognostic signature as a step forward in translation of this panel of protein markers for ESCC patients and establish their clinical relevance for larger worldwide application in future studies.
#24 Treatment strategies for oesophageal cancer – time-trends and long term outcome data from a large tertiary referral centre | Radiation Oncology | Full Text
https://ro-journal.biomedcentral.com/articles/10.1186/1748-717X-7-60
Treatment options for oesophageal cancer have changed considerably over the last decades with the introduction of multimodal treatment concepts dominating the progress in the field. […] In order to gain insight into this we performed a retrospective analysis of patients treated at a larger tertiary referral centre over time course of 25 years. […] The median overall survival was 21.4 months. […] However there was only a trend for an improved OS over the years with no difference between RCT with or without surgery (p = 0.09). […] Although more complex treatment protocols were introduced into clinical routine, only a minor progress in OS rates was detectable. Main predictors of outcome in this cohort was the addition of chemotherapy. […] Oesophageal cancer is generally associated with poor outcomes. […] Despite all efforts in the field of multimodal approaches, prognosis of oesophageal cancer is still limited.
#25
https://journals.lww.com/annalsofsurgery/fulltext/2023/02000/the_augis_survival_predictor__prediction_of.15.aspx
Prognostic models can address these limitations by combining multiple risk factors, although none have entered widespread use among surgeons or oncologists treating esophageal cancer. […] The RSF model demonstrated excellent discrimination, with a bootstrapped tAUC at 60 months of 83.9% […] The model is applicable to patients who have undergone a planned curative esophagectomy for adenocarcinoma or squamous cell carcinoma of the esophagus, who had an adequate lymphadenectomy and survived to discharge from hospital. […] The model described here provides a more precise prediction of prognosis for an individual patient than TNM staging alone, and this will be valuable in postoperative discussions with patients. […] The variables found to be most influential are consistent with clinical experience and the findings from other studies, with lymph node involvement being widely recognized as the most influential determinant of long-term survival in esophageal cancer.
#26
https://journals.lww.com/annalsofsurgery/fulltext/2023/02000/the_augis_survival_predictor__prediction_of.15.aspx
Using a large, nation-wide, contemporaneous clinical dataset, this study has demonstrated the ability of a Random Survival Forest model to provide accurate predictions of long-term survival after surgery for esophageal cancer. […] A key benefit of the model is its performance in identifying patients with the same disease stage who have diverging 5-year survival.