在非小细胞肺癌中使用动态对比增强MRI进行非侵入性PD-L1分层

科学领域:

• 放射学和医学成像学 医学成像学
• 在瘤学瘤学.
• 药理动力学 药理动力学

背景情况:

• 评估编程死亡连接体1 (PD-L1) 表达对于指导非小细胞肺癌 (NSCLC) 免疫治疗至关重要.
• 目前用于PD-L1评估的方法可能是侵入性的,并不总是与治疗反应相关.
• 需要使用非侵入性成像生物标志物来预测PD-L1状态.

研究的目的:

• 评估动态对比增强磁共振成像 (DCE-MRI) 的药理动力学 (PK) 参数是否可以对NSCLC中的PD-L1表达水平进行分层.
• 确定最佳的PK模型配置,以分析时间间隔的DCE-MRI数据,包括动脉输入功能 (AIF) 和球体到达时间 (BAT) 估计.

主要方法:

• 预计将在2021年4月至2023年5月期间招募38名局部晚期NSCLC患者.
• 瘤根据PD-L1表达分类:缺席/存在 (≥1%) 和低表达/高表达 (≥50%).
• 通过使用各种模型提取了药理动力学参数,使用Georgiou AIF和峰度梯度 (PG) BAT估计的扩展Tofts模型 (ETM) 被确定为最合适的 (R2=0.79).

主要成果:

• 在PD-L1<50%和PD-L1≥50%组之间观察到Ktrans中位数 (0.25比0.12分−1,p=0.02) 和Ktrans标准偏差 (0.32比0.23分−1,p=0.01) 的显著差异.
• 在PD-L1<50%组中,Kep中位数也显著高于PD-L1<50%组 (1.09对0.59分−1,p=0.02).
• 接收器运行特征曲线下面的区域 (ROC-AUC) 值在0.71-0.76之间,表明良好的区分能力.

结论:

• DCE-MRI衍生的PK参数,特别是Ktrans和Kep,可以有效地分层PD-L1在NSCLC中的低和高表达.
• 扩展Tofts模型 (ETM) 与Georgiou AIF和峰度梯度 (PG) BAT估计相结合,为这种分层提供了可靠的方法.
• DCE-MRI为评估PD-L1状态提供了一个有希望的非侵入性方法,可能有助于为NSCLC患者选择个性化免疫疗法.