使用体质分子生物标志物改善个性化拉布多米索尔科马预后预测

科学领域:

• 在瘤学瘤学.
• 遗传学 是一个遗传学.
• 生物统计学 生物统计学

背景情况:

• 分子标记物越来越重要,用于风险分层的儿科狂肌肉瘤 (RMS) 治疗.
• 当前的预后模型可能无法完全捕捉个体患者的风险.

研究的目的:

• 整合分子和临床数据,以改善儿科RMS的个性化预后预测.
• 在RMS患者中开发和验证无事件生存 (EFS) 的预测模型.

主要方法:

• 开发了三种Cox比例危险模型,使用来自641名儿科RMS患者的临床和体质突变数据.
• 模型包括基线临床 (BC),基因增强2 (GE2与TP53,MYOD1) 和基因增强6 (GE6与额外的基因).
• 通过使用概率比测试评估模型性能,并使用乐观度调整,启动的指标进行验证.

主要成果:

• 而GE6模型的预测性能优于BC和GE2模型 (P < .001).
• GE6在ROC曲线下实现了0.766.6的时间依赖面积.
• 特定突变 (TP53,MYOD1,CDKN2A,MET,MYCN) 增加了危险性,而NF1降低了危险性,导致了不同的个人预后预测.

结论:

• 纳入分子标记物显著提高RMS预后模型.
• 与标准风险分类相比,个性化的预测可能会建议替代治疗方案.
• 进一步的临床变量改进和外部验证是临床实施所必需的.