Un nuovo algoritmo prognostico integrato basato su variabili cliniche e genetiche potrebbe migliorare in modo significativo la stratificazione del rischio dei pazienti affetti da leucemia mieloide acuta recidivata o refrattaria sottoposti a trapianto allogenico di cellule staminali emopoietiche (allo-HSCT). I risultati dello studio sono stati presentati in una comunicazione orale all’EHA Congress 2026, nell’ambito della sessione Stem Cell Transplantation – Clinical 2.
La prognosi dei pazienti con LMA recidivata o refrattaria continua a rappresentare una delle principali sfide dell’ematologia clinica. Sebbene il trapianto allogenico costituisca tuttora l’unica opzione potenzialmente curativa per una quota rilevante di questi pazienti, il rischio di recidiva post-trapianto e la mortalità non correlata alla recidiva (NRM) rimangono elevati. Nonostante l’identificazione negli anni di numerosi fattori prognostici, mancava finora uno strumento integrato capace di combinare in modo sistematico dati clinici e alterazioni genomiche per supportare il processo decisionale in questo setting.
Per colmare questa lacuna, Jin e colleghi hanno sviluppato e validato un algoritmo prognostico dedicato ai pazienti con LMA R/R sottoposti ad allo-HSCT. Lo studio ha incluso una coorte di derivazione di 301 pazienti trattati presso il Peking University People’s Hospital tra il 2018 e il 2023 e una coorte indipendente di validazione esterna di 297 pazienti provenienti da 11 ulteriori centri trapiantologici cinesi.
Attraverso analisi univariate e successive regressioni multivariate di Cox, gli autori hanno identificato i principali determinanti prognostici e costruito un sistema di punteggio basato sugli hazard ratio delle variabili indipendentemente associate alla sopravvivenza. Il modello integra lo stato di malattia prima del trapianto, l’età del paziente e del donatore, la presenza della mutazione FLT3-ITD, della mutazione TP53, dei riarrangiamenti di KMT2A (KMT2Ar) e di un cariotipo complesso.
L’algoritmo consente di classificare i pazienti in quattro categorie prognostiche: basso rischio, rischio intermedio-basso, rischio intermedio-alto e alto rischio. Le prestazioni predittive si sono dimostrate particolarmente significative.
Nella coorte di validazione interna, i valori dell’area sotto la curva ROC (AUC) per la sopravvivenza globale (OS) a 1, 2 e 3 anni sono risultati pari rispettivamente a 0,825, 0,816 e 0,818. Nella coorte di validazione esterna, le AUC sono state pari a 0,725, 0,756 e 0,789, confermando una buona capacità discriminativa anche in una popolazione indipendente.
Le analisi di calibrazione hanno inoltre evidenziato un’elevata concordanza tra il rischio di mortalità stimato dal modello e quello effettivamente osservato, sia nella validazione interna sia in quella esterna. Particolarmente rilevanti i risultati della Decision Curve Analysis (DCA), che hanno mostrato un beneficio clinico netto superiore rispetto alla classificazione ELN 2022 lungo un ampio intervallo di soglie decisionali. Sia nella coorte di derivazione sia in quella di validazione, il nuovo algoritmo ha dimostrato una maggiore utilità clinica rispetto all’attuale sistema di classificazione prognostica.
Secondo gli autori, l’adozione di questo algoritmo potrebbe consentire una definizione più accurata del rischio nei pazienti con LMA recidivata o refrattaria candidati a trapianto allogenico, favorendo strategie terapeutiche personalizzate, l’identificazione precoce dei soggetti a più elevato rischio di recidiva e l’ottimizzazione dei programmi di monitoraggio post-trapianto. In prospettiva, lo strumento potrebbe contribuire anche alla selezione dei pazienti per terapie di combinazione e interventi preventivi mirati nel periodo successivo al trapianto.
Bibliografia. Jin Y et al. A Genetic–Clinical Prognostic Algorithm for Risk Stratification in Patients with Relapsed/Refractory Acute Myeloid Leukaemia Undergoing Allogeneic Haematopoietic Stem Cell Transplantation. EHA Congress 2026; #S274.
