莫菲特研究人员开发了预测非小细胞肺癌患者免疫治疗结果的模型

莫菲特癌症中心的研究人员在《JNCI癌症光谱》上发表的一篇新文章中描述了他们创建的一个预测模型，该模型包括从计算机断层扫描图像计算出的信息，可以识别对免疫治疗可能没有反应的非小细胞肺癌患者。

　　

佛罗里达州的坦帕。-抑制分子PD1、PD-L1或CTLA-4的免疫治疗药物已广泛应用于临床治疗非小细胞肺癌，或NSCLC。大约20%到50%的晚期NSCLC患者对免疫治疗有强烈的反应，并表现出延长的生存期，但其余患者往往反应较差。目前迫切需要识别能够预测哪些患者对治疗无效的生物标志物，以避免不必要的治疗，并使用可能有益的药物。

在患者肿瘤中测量PD-L1表达是一种常见的生物标志物，经常用于确定哪些患者应该接受抗pd1 /PD-L1治疗。然而，一些研究表明，即使PD-L1低表达，患者也可能对这些药物有反应。其他类似的基于组织的生物标记物可能成本高昂，或者需要足够的组织质量和数量，但供应可能有限。

莫菲特癌症中心的研究人员在《JNCI癌症光谱》杂志上发表的一篇新文章中描述了他们创建的一个预测模型，该模型包括从计算机断层扫描图像计算出的信息，可以识别那些可能对免疫治疗没有反应的患者。

莫菲特研究小组并没有分析常见的基于组织的生物标志物，如蛋白质表达模式，而是评估了利用治疗前CT扫描特征结合临床数据来识别与免疫治疗结果相关的标志物的潜力。

“以图像为基础的定量特征，或放射学，反映潜在的病理生理学和肿瘤异质性优势组织的生物标记物,因为他们可以使用标准治疗快速提取医学图像和捕获数据从整个肿瘤,而不是一小部分肿瘤切片检查和化验,”马修Schabath博士说。莫菲特癌症流行病学部门的副研究员。

研究人员分析了180例伴或不伴抗ctla -4治疗的抗pd1 /PD-L1非小细胞肺癌患者的临床特征和放射学特征。“我们的目标是创建一个精简的模型，即一个变量最少、预测能力最强的简单模型，”癌症生理学高级成员兼系主任Bob Gillies博士说。

他们发现，在考虑的16个临床特征中，血清白蛋白水平和患者转移部位的数量与总体生存率显著相关。在213个放射学特征中，灰度共发矩阵(GLCM)逆差与总生存率相关。统计分析和数据建模显示，这些特征是适合纳入模型的参数，这导致根据免疫治疗后的死亡风险分为四组:低风险、中风险、高风险和极高风险。

研究人员在另外两个患者群体中验证了他们的模型，并证实了极高风险组在免疫治疗后的总生存率极低，3年总生存率为0%，而低风险组的3年总生存率约为40%。他们还发现，GLCM的放射学特征逆差异与参与肿瘤缺氧并调控肿瘤生长和转移的基因CAIX的表达有关，这为GLCM逆差异作为一种潜在的生物标志物提供了生物学支持。考虑到组织缺氧或低氧对所有类型的癌症发展都有重要的影响，这些结果表明GLCM逆差异可能是患者对其他抗癌药物反应的一个可能预测因素。

Schabath说:“这些结果表明，非常高危的患者应该完全避免免疫治疗，或者采用可能产生改善反应的前期联合治疗。”“我们希望通过进一步的研究，这种模式可以用来改变临床实践，让患者避免服用他们可能没有反应的药物。”

10.1093 / jncics / pkab048