通过使用常见的临床,病理和基因组特征的免疫检查点阻塞疗法,LORIS可可靠地预测患者的结果

科学领域:

• 在瘤学瘤学.
• 免疫治疗是一种免疫疗法.
• 生物统计学 生物统计学

背景情况:

• 免疫检查点封锁 (ICB) 已经改变了癌症治疗,但预测患者的反应仍然很困难.
• 现有的预测特征在识别所有响应患者方面存在局限性,特别是那些瘤突变负担低或PD-L1表达率低的患者.

研究的目的:

• 开发和验证一种新的,准确的,可解释的临床评分,用于预测患者对ICB的反应.
• 确定有效分层免疫疗法患者的关键特征.

主要方法:

• 对18种固体瘤类型的大量数据集 (2881名ICB治疗,841名非ICB治疗患者) 的分析.
• 开发一个六个特征的后勤回归模型,以创建LORIS (基于后勤回归的免疫疗法反应得分).
• 验证LORIS在预测不同类型癌症客观反应和生存方面的表现.

主要成果:

• 与之前的签名相比,LORIS在预测ICB响应方面表现优越.
• 该得分准确地识别了响应的患者,包括具有较低瘤突变负担或PD-L1表达的患者.
• 洛里斯显示出与响应概率和患者存活率的一致,近乎单调的关系,使得精确的分层成为可能.

结论:

• 洛里斯是一个准确和可解释的工具,用于预测多种癌症类型的ICB反应和存活率.
• 该得分有助于改善精密瘤学的临床决策.
• 洛里斯可以在线访问,以帮助最大限度地使患者从免疫疗法中受益.