机器学习预测牛利在早期结肠癌中的好处

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 临床试验 临床试验

背景情况:

• 用黄,乐可沃林和氧沙 (FOLFOX) 进行辅助治疗是早期结肠癌 (CC) 的标准治疗方法.
• 奥克萨利普拉丁可以引起严重的长期神经毒性.
• 识别受益于牛利的患者至关重要,以最大限度地提高疗效并最大限度地减少副作用.

研究的目的:

• 开发和验证一种机器学习模型,即结肠氧酸签名 (COLOXIS),用于预测CC辅助疗法中含有氧酸的治疗方案的反应.
• 评估 COLOXIS 模型是否能够识别受益于氧沙的患者,从而指导治疗决策.

主要方法:

• 训练了一种机器学习模型 (COLOXIS) 来预测氧沙的反应.
• 在NSABP C-07和C-08III期试验中对1,065名患者进行了模型评估,这些患者接受了5-甲加白素 (FULV) 或FOLFOX治疗.
• 评估了8年无复发生存期和相互作用P值,以确定氧沙的益处的预测值.

主要成果:

• 科洛克斯模型将患者分为科洛克斯+ (预测响应者) 和科洛克斯- (预测不响应者).
• 科洛克西斯+患者显著受益于氧沙 (HR,0.65;P=.0065;相互作用P=.03).
• 科洛克西斯患者没有从氧沙中获益 (HR,1.08;P=.65).

结论:

• COLOXIS模型准确地预测了oxaliplatin在辅助结肠癌设置中的好处.
• 这些结果支持将氧沙保留给COLOXIS+患者,以优化治疗.
• 需要进一步的研究来证实这些发现,并指导临床实践.