使用ctDNA机器学习模型预测无法手术的局部NSCLC患者的疾病进展

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 生物标志物 生物标志物

背景情况:

• 在治疗后的非小细胞肺癌 (NSCLC) 患者中,准确预测疾病进展至关重要.
• 目前的循环瘤DNA (ctDNA) 突变分析方法对风险预测的敏感性有限.
• 建议使用cfDNA新分子剖析进行非侵入性液体活检试验,以预测不可操作的NSCLC的进展.

研究的目的:

• 开发和评估一种cfDNA新分子分析试验,用于预测不可手术的NSCLC患者的疾病进展.
• 为了比较cfDNA新分子分析与基于ctDNA突变的方法的预测性能.
• 评估该试验在指导治疗决策中的临床有用性.

主要方法:

• 在治疗期间和治疗后的多个时间点收集了44名不可手术的NSCLC患者的97个血样本.
• 利用基于目标测序数据的cfDNA新分子概况.
• 开发了生存支持矢量机器模型,并进行了对绩效评估的交叉验证.

主要成果:

• 该cfDNA新分子分析试验显示了疾病进展的显著预测能力,危险率 (HR) 范围为3.62至4.00.
• 与基于ctDNA突变的结果相比,新分子形显示出更高的HRs (HR 2.08在TP1,HR 1.49在TP3).
• 在TP1时,新分子模型在92.9%的特异性下达到40%的灵敏度,优于基于突变的方法. 长度分析结合了这两种方法,达到88.9%的灵敏度和80%的特异性.

结论:

• 一种cfDNA新分子分析试验已成功开发,用于预测不可手术的NSCLC患者的疾病进展.
• 该测试与基于ctDNA突变的方法相比,具有更强的预测能力,特别是在治疗期间和治疗后.
• 这种非侵入性方法具有显著的临床潜力,可以优化NSCLC管理中的治疗策略.