T细胞衔接疗法相关细胞因子释放综合征风险预测模型的构建与验证

研究人员针对T细胞衔接(TCE)疗法引发的≥2级细胞因子释放综合征(CRS)风险预测难题，通过分析715例患者临床数据，构建了基于疾病类型、给药剂量和感染史等关键因素的预测模型(AUROC=0.69)，为临床风险分层和个体化治疗提供决策依据。

　　

在肿瘤免疫治疗领域，T细胞衔接(T-cell engaging, TCE)疗法如双特异性抗体(BiTEs)和双亲和重靶向蛋白(DARTs)展现出革命性疗效，但这些疗法可能引发细胞因子释放综合征(CRS)——一种以高热、低血压甚至多器官衰竭为特征的全身炎症反应。尽管CAR-T细胞疗法的CRS机制已有较多研究，但针对非CAR-T类TCE疗法的风险预测仍缺乏可靠工具。临床上面临着无法提前识别高危患者、难以实施个体化监测等挑战，这促使研究人员开展系统性风险评估研究。

Sanofi资助的研究团队基于Medidata Enterprise Data Store(MEDS)中2014-2019年13项临床试验数据，首次构建了专门针对TCE双特异性抗体的CRS≥2级风险预测模型。这项发表在《Cytotherapy》的研究揭示，急性淋巴细胞白血病(ALL)患者接受较高初始剂量治疗时，其CRS风险可达低风险组的5.9倍，为临床实践提供了重要预警指标。

研究采用多中心回顾性队列设计，关键技术包括：1)从MEDS数据库筛选715例接受TCE治疗的ALL、非霍奇金淋巴瘤(NHL)和实体瘤患者；2)通过文献回顾和初步分析确定CRS≥2级的候选预测因子；3)采用逻辑回归和树模型进行特征筛选，最终纳入疾病类型、首剂剂量、感染史等关键变量；4)通过100次迭代验证评估模型稳定性。

【结果】
主要发现包括：

1. 基线特征分析显示CRS≥2级组有更高感染率(38% vs 28%, P=0.03)和TCE首剂剂量(P<0.001)；
2. 最优预测模型测试集AUROC达0.69(95%CI 0.66-0.72)，最高风险四分位患者CRS发生率38.1%，显著高于最低风险组(6.45%)；
3. 高风险患者特征集中表现为ALL占比99%、首剂剂量较高(1.00 vs 0.61)、血清肌酐水平升高(0.60 vs 0.32)等。

【讨论与结论】
该研究创新性地建立了首个针对非CAR-T类TCE疗法的CRS风险分层工具，证实ALL患者、高首剂剂量和肾功能指标异常是独立危险因素。模型可实现治疗前风险量化，指导临床采取差异化监测策略：对高风险患者加强体温、血氧监测频率，考虑预防性托珠单抗准备；对低风险患者则可适当减少医疗资源投入。这种精准化管理模式有望平衡治疗效果与安全性，为TCE疗法的广泛应用扫除重要障碍。未来研究需在前瞻性队列中验证模型效能，并探索CRS与肿瘤微环境动态变化的关联机制。