数字药物分配算法在儿科肿瘤精准治疗中的真实世界性能分析

背景：儿科肿瘤常规进行广泛分子谱分析的实用性仍存在争议，原因在于大量遗传变异的意义不明或证据级别较低，且缺乏标准化的个性化决策支持方法。数字药物分配（DDA）是一种新型计算方法，通过整合多种驱动因素、靶点与靶向药物之间的大量循证关联，对治疗方案进行优先级排序。基于SHIVA01临床试验中成人患者的结局数据，DDA已被验证可改善个性化治疗决策。本研究旨在评估DDA在儿科肿瘤学中的应用价值。方法：2017年至2020年间，103名高危儿科癌症患者（年龄<21岁）参与了我们的精准肿瘤学项目，其中100名患者的样本符合进一步分析条件。通过全外显子组测序（WES）或靶向panel测序及其他分子诊断方法分析组织或血液样本，并使用集成DDA算法的软件系统进行处理以提供治疗决策支持。最终，分子肿瘤委员会（MTB）评估结果并提供治疗建议。结果：在100例拥有全面分子诊断数据的病例中，88例进行了WES，12例进行了panel测序。DDA在72/100例（72%）中识别出匹配的超说明书靶向治疗方案（可操作性），同时57/100例（57%）显示出潜在的耐药性。由于证据数据库的持续更新，到2020年可操作性达到88%（29/33）。MTB在72例可操作病例中的56例（78%）批准了DDA优先列出的治疗方案。获批治疗的累积证据水平（AELs）显著高于未采纳的治疗。针对靶向panel对WES结果进行过滤会遗漏影响治疗选择的重要突变。结论：DDA是一种有前景的方法，能够克服在高危儿科癌症常规护理中广泛分子谱分析解读所面临的挑战。知识库的更新使得对不断扩展的基因集（即从全基因组分析中筛选出的“虚拟”panel）进行自动解读成为可能，从而始终最大化精准治疗规划的性能。