用动态生物标志物增强化多发性骨髓瘤风险分层:一项跨国多中心研究,包括2270名参与者 (PANGEA 2.0)

科学领域:

• 血液学 血液学 血液学
• 在瘤学瘤学.
• 生物统计学 生物统计学

背景情况:

• 准确预测燃烧的多发性骨髓瘤 (SMM) 进展到活跃的多发性骨髓瘤 (MM) 对于个性化治疗策略至关重要.
• 目前的风险分层模型缺乏结合不断变化的生物标志物数据的能力,限制了其预测准确性.

研究的目的:

• 开发和验证一个新的风险预测模型,PANGEA 2.0,用于SMM进展.
• 纳入纵向生物标志物数据,以提高预测进展时间的准确性.

主要方法:

• 汇集了迄今为止最大的队列 (2,270名SMM患者) 来自六个国际中心的纵向临床和生物数据.
• 经过培训和验证PANGEA 2.0风险模型,使用已识别的进化生物标志物.
• 通过使用C-统计,与20/2/20和IMWG等既有模型进行了PANGEA 2.0性能比较.

主要成果:

• 四种进化的生物标志物显著预测了更短的进展时间:M蛋白增加,参与:未参与的血清自由光链比率增加,肌素增加和血红蛋白减少.
• 与现有模型相比,PANGEA 2.0显示出更高的预测准确性 (C-统计=0.69-0.84).
• 即使没有历史生物标志物数据或最近的骨髓活检结果,模型也保持了高准确度.

结论:

• PANGEA 2.0为SMM患者提供了改进和个性化的风险分层.
• 该模型是一个易于使用,开放的工具,以帮助临床医生在治疗决策.
• PANGEA 2.0的性能优于目前的模型,有助于更好地管理中小企业发展风险.