综述：生长调节指数（GMI）作为癌症临床试验疗效终点的范围综述及报告指南建议

这篇综述系统梳理了生长调节指数（GMI）在肿瘤临床试验中的应用现状，揭示了其术语定义、计算方法和疗效阈值的显著异质性。作者团队通过全面检索四大数据库的227篇文献，提出标准化报告框架，强调GMI作为基于患者自身对照的疗效指标（TTP2/TTP1比值）在非细胞毒性药物评估中的潜力，同时指出需要更多方法学验证以优化其临床应用。

　　

---

引言：GMI的概念与争议

生长调节指数（GMI）定义为新治疗线进展时间（TTP₂）与前一线治疗进展时间（TTP₁）的比值，最初由Von Hoff于1998年提出，用于评估非细胞毒性药物的临床获益。其核心优势在于患者自身对照设计，可消除个体混杂因素，尤其适用于分子靶向治疗的早期评估。然而，文献中术语混乱（如PFS比值、TTP比值）、定义模糊（47.8%研究未明确TTP起始点）及1.3阈值的经验性使用引发方法论争议。

研究方法：系统性证据图谱

团队通过PubMed、Scopus等数据库检索227篇文献（166篇深入分析），采用PRISMA-ScR框架。纳入标准涵盖英语全文文献（截至2023年），排除预印本。数据提取重点关注研究设计、GMI定义（时间零点、事件类型）、统计方法及疗效阈值。双人独立审核确保可靠性，分歧通过共识解决。

关键发现：临床应用异质性

术语多样性：59.6%研究称"PFS比值"，39.8%用"GMI"，15.7%混用多术语。
疾病分布：94.9%研究针对实体瘤（尤以软组织肉瘤（10.9%）和乳腺癌（8.0%）为主），仅3.6%涉及血液肿瘤。
阈值混乱：62.3%采用1.3阈值，23.2%沿用原始1.33标准，另有研究探索0.7-5不等的临界值。
设计缺陷：仅2.2%研究描述洗脱期，37%未报告前后治疗线评估时间一致性，可能引入评估偏倚。

方法学挑战与创新

统计建模：5篇文献提出参数化（威布尔分布、对数线性模型）与非参数化（Kaplan-Meier核估计）方法处理右删失数据。Chen等（2023）开发的配对事件时间比分布估计模型被推荐用于Ⅱ期试验。
样本量计算：Wu等（2019）首次推导基于对数线性模型的样本量公式，但实际应用中37%研究仍简单采用"GMI>阈值比例"的二分法，导致信息损失。

临床价值与局限性

优势场景：EMA指南认可其在经治患者中的价值，SHIVA试验（2017）显示GMI与OS相关性（HR=0.22）。
现存问题：

• 线性肿瘤生长假设在晚期患者中尚未验证
• 快速进展患者的小绝对值增益可能夸大GMI临床意义
• Mock等提出的修正GMI（调整极端PFS值）显示30%病例与原指标不一致

标准化报告框架建议

基于CONSORT精神，提出9项核心要素：

1. 统一使用"GMI"术语
2. 明确定义分子分母（如"TTP₂始于新治疗启动，终于RECIST 1.1影像学进展"）
3. 报告评估时间表一致性
4. 描述洗脱期（如≥3周）
5. 同时呈现中位GMI（IQR）和阈值比例
6. 附游泳图（79.7%研究采用）展示个体轨迹

未来方向

• 阈值优化：需验证组织学特异性阈值（如卵巢癌1.42 vs 肉瘤1.25）
• 创新设计：探索GMI适应性Ⅱ期试验（如CRAFT试验的连续再评估框架）
• 技术整合：液体活检动态监测可能提升TTP评估精度

这篇综述为GMI的规范化应用奠定基础，其提出的框架已被法国肉瘤组（FSG）等机构采纳。随着功能性精准医疗（如CPCT-03研究的ctDNA动态监测）的发展，GMI或将成为连接分子特征与临床获益的关键桥梁。