基于数字药物分配系统的肺癌精准治疗临床效益预测模型研究

针对肺癌基因组复杂性导致治疗决策困难的问题，研究人员开发了数字药物分配(DDA)系统，通过分析111例肺癌患者数据发现，高评分(1000≤DDA score)的分子靶向治疗(MTA)在客观缓解率(ORR)、无进展生存期(PFS)和总生存期(OS)方面均显著优于其他治疗。该研究为复杂分子谱的临床解读提供了标准化数字解决方案，发表于《npj Precision Oncology》。

　　

肺癌作为全球癌症相关死亡的主要原因，其治疗决策长期面临重大挑战。尽管肿瘤携带多个基因变异，临床实践仍主要依赖单一生物标志物指导治疗，导致综合分子检测信息的利用不足、临床决策不确定性增加和治疗失败频发。分子肿瘤委员会(MTB)虽能协助个性化治疗，但这一过程缺乏标准化且难以规模化，不同机构的治疗推荐存在高度不一致性。在此背景下，数字化的个性化决策支持工具成为临床迫切需求。

匈牙利Mátraháza大学教学医院与Oncompass Medicine的研究团队开展了一项回顾性研究，评估其开发的数字药物分配(DDA)系统在真实世界肺癌治疗中的预测性能。DDA是一种基于知识的计算推理模型，通过加权聚合科学证据对完整肿瘤基因组数据进行评分，而非简单匹配单个生物标志物与药物。该研究分析了111例肺癌患者的155个治疗线数据，结果显示高评分(1000≤DDA score)的分子靶向治疗(MTA)在多个临床终点上均显著优于其他治疗。

研究采用了多种关键技术方法：1)使用50/58基因和591基因NGS panel进行肿瘤基因组分析；2)应用DDA系统(Realtime Oncology Treatment Calculator v1.47-1.71)计算药物评分；3)通过分子肿瘤委员会整合临床与分子数据；4)采用Kaplan-Meier和Cox回归分析临床结局；5)基于SHIVA01试验验证框架进行预测性能评估。

研究结果部分显示：
患者特征：研究纳入111例肺癌患者(中位年龄64岁)，腺癌占61.3%。检测到TP53、KRAS、EGFR等典型肺癌驱动基因变异，600基因NGS平均检出4.5个驱动变异。

临床治疗结局：MTA治疗线(n=81)的中位PFS(11个月)显著优于标准化疗(SC)(7个月)(HR=0.46)。决策支持后的MTA治疗线保持高效(中位PFS 11个月)，而SC疗效显著下降(中位PFS 4个月)。

DDA评分分层分析：高评分(1000≤)MTA的中位PFS达32个月，显著优于低评分MTA(9个月)(HR=0.36)。接受≥1线高评分MTA的患者中位OS未达到，五年生存率达33%，显著高于其他患者(6%)。

多因素分析：FDA批准的TKI(酪氨酸激酶抑制剂)生物标志物是OS和PFS的有利预测因子，而PD-L1状态无显著预测价值。腺癌组织学预后良好，小细胞癌预后较差。

讨论与结论：
该研究证实DDA系统能有效预测肺癌治疗相对效益，解决了复杂分子谱解读的临床挑战。高评分MTA显示出显著的生存优势，且50%患者被分配有肺癌适应症的高评分MTA，展现了该系统的临床实用性。与传统MTB相比，这种"白盒"解释性系统具有标准化、可扩展的优势，有助于克服肿瘤基因组复杂性导致的耐药问题。

研究局限性包括回顾性设计、口服药物依从性数据缺失和组合疗法贡献度难以区分。尽管如此，这项研究为精准肿瘤学的数字化决策支持提供了重要证据，支持开展前瞻性随机研究进一步验证DDA系统的临床价值。随着KRAS^G12C抑制剂等新靶向药物不断涌现，此类计算工具在整合复杂分子信息方面的作用将愈发重要。