一种新型计算方法在儿科肿瘤精准肿瘤学中的真实世界性能分析

背景：常规广泛的分子谱分析在儿科肿瘤中的应用价值存在争议，原因是大量意义未知或证据等级低的遗传变异，以及缺乏标准化和个性化的决策支持方法。数字药物分配（DDA）是一种新的计算方法，通过整合多个驱动基因、靶点和靶向药物之间的大量循证关联，对治疗选择进行优先级排序。DDA已根据SHIVA01临床试验中成年患者的预后数据得到验证，可改善个性化治疗决策。本研究旨在评估DDA在儿科肿瘤学中的效用。方法：2017年至2020年间，103名高风险儿科癌症患者（<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。组织或血液样本通过全外显子组测序（WES）或靶向panel测序以及其他分子诊断模式进行分析，并由使用DDA算法的软件系统进行处理以提供治疗决策支持。最后，分子肿瘤委员会（MTB）评估结果以提供治疗建议。结果：在具有全面分子诊断数据的100例病例中，88例获得WES结果，12例获得panel测序结果。DDA在72/100例（72%）中识别出匹配的标签外靶向治疗选择（可操作性），而57/100例（57%）显示出潜在耐药性。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批准了56/72例可操作病例（78%）中DDA排名最高的治疗方案的临床使用。批准的治疗方案比未批准的具有显著更高的聚合证据水平（AEL）。将WES结果过滤为靶向panel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，可克服在高风险儿科癌症常规护理中解释广泛分子谱分析所面临的挑战。知识库更新能够自动解释不断扩展的基因集，即从全基因组分析中过滤出的“虚拟”panel，以始终最大化精准治疗计划的性能。