肿瘤治疗新技术 医术天地

  • 用微信扫描以下二维码

    更多移动资讯等着你

  • 抗癌故事

网聚医学资讯平台

首页
/
活动
/
肿瘤医学科普
/
肿瘤前沿技术
/
肿瘤医学论坛
/
肿瘤医学文献
/
肿瘤医疗资讯
/
肿瘤名医
/
肿瘤问答
/

免疫治疗标志物组合预测的探索,MSKCC 又发Nature Biotechnology 091

楼主:阿里2022-02-11 09:11:08 只看楼主
来源:Oncology Biomarker

MSKCC的 Timothy Chan团队对于免疫治疗标志物的研究,成果颇多,之前多次聚焦在TMB的预测作用。

此次 Timothy Chan团队综合分析了多个生物因素,利用机器学习模型,相比单个TMB指标,可以更好预测免疫治疗疗效。成果于11月初在Nature子刊发表。
入组情况
研究数据入组MSKCC的1479名患者,涵盖16种癌症类型,包括NSCLC,黑色素瘤,泌尿肿瘤、头颈癌和结直肠癌等。这些患者经历了PD-(L)1 或CTLA-4联合治疗,把所有患者分为训练队列和验证队列进行分析。
预测模型
研究者纳入了16种生物学因素,命名为RF-16模型,包括了TMB、免疫疗法前化疗情况、白蛋白、血中性粒细胞/淋巴细胞比率(NLR), 血小板和血红蛋白(HGB)等血液指标,拷贝数改变(FCNA)、BMI、年龄、HLA-1进化差异(HED)、肿瘤类型、HLA-1杂合性缺失、性别、药物类型、肿瘤分期、MSI。如下图:

从上图中可以看到,TMB的预测效果相对最大,其次是化疗史,相应的血液指标也有预测价值,MSI的预测作用可能和TMB相重叠而削弱。
结论
结论证明:在如下训练队列中,RF16表现出了非常好的敏感性,无论泛癌种还是单独的癌种,AUC均超过0.8,远超单项TMB,预测效果也超过了RF11模型(即考虑11种更简洁的生物因素)。

研究者也预测了OS 的能力,比如下图a,对于验证集中泛癌种的295例,RF16预测模型的一致性指数(C-index)最高为0.71,高于其他预测标志物,TMB只有0.54,也证实了 TMB对于OS的预测价值有限。图b显示了在RF16模型下,预测免疫治疗Response组的黄色生存曲线明显好于免疫治疗Non-response组的蓝色曲线。


这些结论证实了,通过机器学习,融合多项免疫预测的生物因素,可以提高OS和 PFS的预测价值,这些生物因素来自于体细胞和生殖细胞变异、临床特征、血液标志物等。
欠缺的是,此次研究没有纳入PD-L1染色表达的数据和转录组transcriptomic data, 而没有能更全面的关注肿瘤微环境的影响。
作者认为,整合分析肿瘤微环境、微生物菌落、TCR多样性及DNA损伤修复变异/耐药变异等都将进一步推动免疫治疗的预测价值。
参考资料:
Improved prediction of immune checkpointblockade efficacy across multiple cancer types,Nature biotechnology,2021.
责任编辑:肿瘤资讯-Shirley
排版编辑:肿瘤资讯-Shirley
上一主题 下一主题
声明:亚西亚健康网登载此文出于传递更多信息,并不代表本站观点。文章内容仅供参考,具体治疗及选购请咨询医生或者相关专业人士
使用“←” “→”快捷翻页
作者:游客
您需要登录后才可以回帖 登录 | 立即注册

请遵守亚西亚健康网社区公约言论规则,不得违反国家法律法规

热门标签

快速回复 返回顶部 返回列表