循环肿瘤抗原联合模型在非小细胞肺癌一线治疗中展现额外预后价值

背景：循环肿瘤抗原（ctA；肿瘤标志物）是血液中的蛋白质，可在非小细胞肺癌（NSCLC）中提供预后价值，并可能作为潜在的早期生存替代指标。鉴于ctA的检测时间和成本相比循环肿瘤DNA（ctDNA）显著降低，我们利用来自参与五项临床试验（IMpower130、131、132、150和110）的超过2300名患者的样本，进一步探索了ctA的效用。方法：我们分析了来自这些试验的转移性NSCLC患者血清中的一组六种ctA（CA125（癌抗原125）、CEA（癌胚抗原）、Cyfra21-1（细胞角蛋白19片段21-1；CYFRA）、NSE（神经元特异性烯醇化酶）、SCC（鳞状细胞癌抗原）和ProGRP（胃泌素释放肽前体））以及CRP（C反应蛋白），这些试验研究了阿特珠单抗（抗程序性死亡配体1）±贝伐珠单抗±化疗的组合。先前的工作表明，使用在6周时采集的两个ctA或ctDNA特征的机器学习（ML）模型进行优化的截断值，可以在IMpower150中将稳定疾病（SD）患者按生存风险分层。基于此方法，我们应用了一个结合基线和6周时ctA特征的ML模型，该模型在来自多项临床研究的更大规模聚合数据集上进行训练。结果：先前从IMpower150的ctA分析中得出的发现得到了证实，并发现适用于本研究中分析的其他几项试验。我们发现，ML模型预测提供了相似的预后性能（在鳞状和非鳞状测试数据集中的c指数分别为0.73和0.71），其中CYFRA是两种组织学类型中最重要的特征。结论：虽然ctA在区分治疗效果以指导早期药物开发方面的潜力有限，但推导出1年总生存期（OS）的最佳预测截断值表明，ctA模型预测能够以61%的敏感性和78%的特异性根据影像学反应有效对患者进行分层，为影像学检查增加了显著的预后价值。在治疗6周时或最佳确认总体反应时达到部分缓解（PR）、疾病进展（PD）或稳定疾病（SD）的患者，可以根据OS被分为低风险或高风险组。