在非小细胞肺癌中,免疫检查点封锁后预测临床结果是一个社区挑战

科学领域:

• 在瘤学瘤学.
• 免疫治疗是一种免疫疗法.
• 生物标志物发现发现

背景情况:

• 对于免疫检查点抑制剂 (ICI) 疗效的预测生物标志物在非小细胞肺癌 (NSCLC) 中非常需要.
• 目前在NSCLC中对ICI反应的预测标记是不够的,需要新的方法.

研究的目的:

• 评估ICI在第一线转移性NSCLC疗效的预测模型,使用众包挑战.
• 识别和评估可以预测患者对ICI反应的模型.

主要方法:

• 反PD-1响应预测DREAM挑战使用了来自两个III期随机对照试验 (RCT) 的数据:CheckMate 026和CheckMate 227.
• 参与者使用公共资源开发了预测模型,并将其与受保护的临床试验数据进行评估,采用模型对数据范式.
• 评估了模型的性能,以预测整体生存,无进展生存和疾病进展,重点关注转录组数据处理.

主要成果:

• 59个团队提交了417个模型,生成了ICI治疗结果的多个预测模型.
• 与已确定的生物标志物相比,表现最好的模型表现出更高的预测能力,例如瘤突变负担 (TMB) 和编程死亡配体1 (PD-L1) 表达.
• 开发了模型来预测整体存活率,无进展存活率和疾病进展状态.

结论:

• 通过使用受保护的临床试验数据,DREAM挑战成功生成了ICI结果的预测模型.
• 这种众包方法为未来在NSCLC和其他癌症类型中发现生物标志物的努力提供了蓝图.
• 开发的模型为识别可预测ICI疗效的生物标志物设定了基准.