非小細胞肺癌における免疫療法奏功予測のための循環腫瘍DNAベースの機械学習モデルの開発と検証

科学分野:

• 腫瘍学
• ゲノム学
• 免疫療法

背景:

• PD-L1やTMBなどの現在のバイオマーカーは、非小細胞肺癌（NSCLC）における免疫チェックポイント阻害剤（ICI）奏効の予測力が限られています。
• 循環腫瘍DNA（ctDNA）の機械学習解析は、リキッドバイオプシーゲノムシグネチャを介した患者層別化の強化のための有望な道を提供します。

主な方法:

• OAK試験（n=303）の治療前ctDNA全エクソームシーケンス（WES）データを使用して、DCB（奏効または6ヶ月以上の安定疾患）を予測するSVMモデルをトレーニングしました。
• 絶対値収縮演算子（LASSO）回帰により、41の予測的体細胞変異が同定されました。
• モデル性能は、ROC曲線解析およびKaplan-Meier法を使用して、独立したPOPLAR（n=97）および地域多施設（n=41）コホートで検証されました。

結論:

• 開発されたctDNAベースのSVMモデルは、ICIで治療されたNSCLC患者における持続的な臨床的奏効および生存転帰を正確に予測します。
• この非侵襲的な単一ベースラインリキッドバイオプシーアプローチは、免疫療法の意思決定を合理化し、繰り返し組織生検の必要性を減らす可能性があります。
• モデルの発見は、ICI抵抗性に関与する主要な経路を強調しており、将来の治療戦略のための洞察を提供します。