In 2022, the European LeukemiaNet (ELN) risk stratification for patients with AML has been updated. We aimed to validate the prognostic value of the 2022 ELN classification (ELN22) evaluating 1,570 newly diagnosed AML patients (median age, 56 years) treated with cytarabine-based intensive chemotherapy regimens. As compared to the 2017 ELN classification (ELN17), allocating 595 (38%), 413 (26%) and 562 (36%) patients to the favorable, intermediate and adverse risk category, ELN22 risk was favorable, intermediate, and adverse in 575 (37%), 410 (26%), and 585 (37%) patients, respectively. Risk group allocation was revised in 340 patients (22%). Most patients were re-classified into ELN22 intermediate or ELN22 adverse risk group. The allocation of patients according to the ELN22 risk categories resulted in a significantly distinct event-free survival (EFS), relapse-free survival (RFS), and overall survival (OS). As compared to ELN17, reallocation according to the ELN22 recommendations resulted in a significantly improved prognostic discrimination for OS (3-year area under the curve (AUC) 0.71 vs. 0.67). In patients with ELN22 favorable risk AML, co-occurring MR gene mutations did not significantly impact outcome. Within the ELN22 adverse risk group, we observed marked survival differences across mutational groups (5-year OS rate of 21% and 3% in patients with myelodysplasia-related (MR) gene mutations and TP53-mutated patients, respectively). In patients harboring MR gene mutations, EZH2-, STAG2- and ZRSR2-mutated patients showed an intermediate-like OS. In patients with secondary AML and those who underwent allogeneic HCT, EFS and OS significantly differed between ELN22 risk groups, while prognostic abilities of ELN17 and ELN22 classifications were similar. In conclusion, the ELN22 risk stratification improves prognostic discrimination in a large cohort of intensively treated AML patients. Given the heterogeneous outcome in patients with MR gene alterations, ranging between those of intermediate and adverse risk patients, we suggest reevaluation of risk allocation in these patients.

Abstract Background Given the geographical sparsity of Rare Diseases (RDs), assembling a cohort is often a challenging task. Common data models (CDM) can harmonize disparate sources of data that can be the basis of decision support systems and artificial intelligence-based studies, leading to new insights in the field. This work is sought to support the design of large-scale multi-center studies for rare diseases. Methods In an interdisciplinary group, we derived a list of elements of RDs in three medical domains (endocrinology, gastroenterology, and pneumonology) according to specialist knowledge and clinical guidelines in an iterative process. We then defined a RDs data structure that matched all our data elements and built Extract, Transform, Load (ETL) processes to transfer the structure to a joint CDM. To ensure interoperability of our developed CDM and its subsequent usage for further RDs domains, we ultimately mapped it to Observational Medical Outcomes Partnership (OMOP) CDM. We then included a fourth domain, hematology, as a proof-of-concept and mapped an acute myeloid leukemia (AML) dataset to the developed CDM. Results We have developed an OMOP-based rare diseases common data model (RD-CDM) using data elements from the three domains (endocrinology, gastroenterology, and pneumonology) and tested the CDM using data from the hematology domain. The total study cohort included 61,697 patients. After aligning our modules with those of Medical Informatics Initiative (MII) Core Dataset (CDS) modules, we leveraged its ETL process. This facilitated the seamless transfer of demographic information, diagnoses, procedures, laboratory results, and medication modules from our RD-CDM to the OMOP. For the phenotypes and genotypes, we developed a second ETL process. We finally derived lessons learned for customizing our RD-CDM for different RDs. Discussion This work can serve as a blueprint for other domains as its modularized structure could be extended towards novel data types. An interdisciplinary group of stakeholders that are actively supporting the project's progress is necessary to reach a comprehensive CDM. Conclusion The customized data structure related to our RD-CDM can be used to perform multi-center studies to test data-driven hypotheses on a larger scale and take advantage of the analytical tools offered by the OHDSI community.

This study advances the utility of synthetic study data in hematology, particularly for Acute Myeloid Leukemia (AML), by facilitating its integration into healthcare systems and research platforms through standardization into the Observational Medical Outcomes Partnership (OMOP) and Fast Healthcare Interoperability Resources (FHIR) formats. In our previous work, we addressed the need for high-quality patient data and used CTAB-GAN+ and Normalizing Flow (NFlow) to synthesize data from 1606 patients across four multicenter AML clinical trials. We published the generated synthetic cohorts, that accurately replicate the distributions of key demographic, laboratory, molecular, and cytogenetic variables, alongside patient outcomes, demonstrating high fidelity and usability. The conversion to the OMOP format opens avenues for comparative observational multi-center research by enabling seamless combination with related OMOP datasets, thereby broadening the scope of AML research. Similarly, standardization into FHIR facilitates further developments of applications, e.g. via the SMART-on-FHIR platform, offering realistic test data. This effort aims to foster a more collaborative research environment and facilitate the development of innovative tools and applications in AML care and research.

Abstract Precision oncology offers new cancer treatment options, yet sequencing methods vary in type and scope. In this study, we compared whole-exome/whole-genome (WES/WGS) and transcriptome sequencing (TS) with broad panel sequencing by resequencing the same tumor DNA and RNA as well as normal tissue DNA for germline assessment, from 20 patients with rare or advanced tumors, who were originally sequenced by WES/WGS ± TS within the DKFZ/NCT/DKTK MASTER program from 2015 to 2020. Molecular analyses resulted in a median number of 2.5 (gene panel) to 3.5 (WES/WGS ± TS) treatment recommendations per patient. Our results showed that approximately half of the therapy recommendations (TRs) of both sequencing programs were identical, while approximately one-third of the TRs in WES/WGS ± TS relied on biomarkers not covered by the panel. Eight of 10 molecularly informed therapy implementations were supported by the panel, the remaining two were based on biomarkers absent from the panel, highlighting the potential additional clinical benefit of WGS and TS.