多发性骨髓瘤的第一个个体风险预测模型

由迈阿密大学米勒医学院西尔维斯特综合癌症中心的研究人员领导的一个多中心合作项目，为新诊断的多发性骨髓瘤制作了第一个计算模型，该模型可以根据肿瘤基因组学和治疗方法预测个体的个性化预后。

　　

由迈阿密大学米勒医学院西尔维斯特综合癌症中心的研究人员领导的一个多中心合作项目，已经为新诊断的多发性骨髓瘤建立了第一个计算模型，该模型可以根据肿瘤基因组学和治疗方法预测个体的个性化预后。

新诊断多发性骨髓瘤的个体化风险预测模型(IRMMa)比以前的预测工具有了改进，因为它考虑了患者肿瘤的生物学特性，C. Ola Landgren博士说，他是骨髓瘤部门的负责人和Sylvester骨髓瘤研究所的主任，也是《临床肿瘤学杂志》上一篇介绍新工具的文章的资深作者。这在许多癌症中都很重要，尤其是在高度可变的多发性骨髓瘤中。事实上，研究人员确定了这种疾病的12种不同亚型，这是以前从未有过的分类。

“该领域的未来将不得不专注于精准医疗，”兰德格伦说。“没有别的路可走。”

多发性骨髓瘤最初的分类方法是在20世纪70年代发展起来的，是基于实体瘤的分期。兰德格伦说，它依赖于癌症的数量，在当时可用的治疗方法下，它是相当准确的。但对于新开发的疗法，尤其是免疫疗法，癌细胞的性质往往比癌细胞的数量更重要。肿瘤基因组中不同类型的驱动突变会影响癌症的生长，因此，假设正确的治疗方法与患者相匹配，即使在癌症广泛传播时被诊断出来，某些亚型的骨髓瘤也可能有很好的结果。

在过去的二十年中，这种疾病的治疗选择数量急剧增加，患者的寿命也更长。但是有这么多的治疗选择，医生需要一种方法来预测哪种治疗对每个病人最有效。

弗朗西斯科·莫拉博士是西尔维斯特大学的助理教授，也是这项研究的第一作者。他说，尽管预测工具多年来不断更新，但该领域仍然缺乏精确的预测。一些工具包括肿瘤基因组特征，但最近有一些关于基因组风险因素的新发现尚未包括在预测模型中。迄今为止，所有的工具都依赖于人口的平均值，将患者分为“标准风险”和“高风险”两组，并对那些没有考虑到个性化风险的群体进行总体预测，以及如何通过不同的治疗来改变这种情况。

莫拉说:“我们的模型是基于预测单个病人的风险，而不是整个群体的风险。”

由于它是使用深度学习构建的，因此IRMMa可以在接收到更多数据时进行学习和改进。该模型的构建方式允许添加具有未来治疗策略的新数据集。该研究小组目前正致力于纳入接受新的基于抗体的多发性骨髓瘤治疗的患者的额外数据集。

为了建立这个模型，西尔维斯特大学的研究人员和他们的合作者使用了近2000名新诊断为多发性骨髓瘤的患者的基因、治疗和临床数据。从患者的DNA序列中，科学家们首先确定了90个“驱动基因”——癌细胞中携带突变的基因，这些基因似乎刺激了肿瘤的生长。然后，他们查看了数据集中每位患者接受的治疗以及患者在这些治疗中的表现，并将治疗结果与个体的肿瘤基因序列相匹配。

西尔维斯特团队与纪念斯隆凯特琳癌症中心、纽约大学朗格尼健康中心、莫菲特癌症中心和海德堡大学医院的科学家合作，收集患者数据。莫拉说，任何人都可以在网上使用这个模型，尽管它目前的迭代是针对研究人员而不是临床医生的。例如，它可能有助于研究人员解释或设计新的临床试验，以提供与实验性治疗的大量比较。

莫拉和他的同事们还打算通过整合更多的病人数据来改进这个模型。

“这种模式只有在研究团体的帮助下才能发展，”莫拉说。“下一个挑战是不断为其提供正确的数据集，以便在某一时刻可用于临床目的。”

IRMMa也很灵活。例如，如果患者在接受特定治疗后接受移植手术，则该模型对患者的预后可以改变。当新的治疗方法出现时，只要有来自至少几百名患者的数据，该模型就可以更新以纳入这些治疗方法。

虽然该领域还没有达到为每个新诊断的患者测序整个肿瘤基因组的程度，但随着全基因组测序变得更加经济，这可能在不久的将来实现，兰德格伦说。

他说:“越来越多的信息将变得可用，像这种模型这样的工具是优化治疗和管理的未来。”