一种用于预测NSCLC患者免疫治疗反应和预后的新型模型

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:

• 在非小细胞肺癌 (NSCLC) 中预测免疫检查点抑制剂 (ICI) 的疗效是具有挑战性的.
• 常规血液检查提供了一种最少的侵入性方法来监测治疗反应.
• 有限的模型存在,用于使用常规血液参数预测免疫治疗结果.

研究的目的:

• 开发和验证一种用于预测NSCLC免疫疗法疗效和预后的新型模型.
• 利用常规血液检测参数来预测治疗反应和患者的存活率.
• 将新型模型的性能与现有的预测工具进行比较.

主要方法:

• 使用随机森林 (RF) 算法从常规血液检测中选择关键变量.
• 构建了一个射频模型,以预测NSCLC的治疗疗效和患者预后.
• 模型性能使用ROC曲线,DCA,CIC,IDI,NRI,C指数和Kaplan-Meier生存分析进行评估,与Nomogram,LIPI和SIS进行比较.

主要成果:

• 射频模型确定了RDW-SD,MCV,PDW,CD3+CD8+,APTT,P-LCR,Ca,MPV,CD4+/CD8+比率和AST作为重要的预测因素.
• 与Nomogram模型相比,RF模型表现出更好的有效性 (AUC 1.000/0.864) 和预后 (C指数 0.803/0.712) 的预测性能.
• 通过RF模型识别的高风险患者的无进展生存期 (PFS) 和整体生存期 (OS) 显著缩短.

结论:

• 一个新的射频模型有效地预测了使用常规血液检测的NSCLC患者的免疫治疗反应和预后.
• 开发的RF模型在预测治疗疗效方面明显优于Nomogram模型.
• 与Nomogram模型,LIPI和SIS相比,RF模型还显示出优越的预后预测能力.