基于动态炎症标志物预测晚期胃癌抗PD-1疗法的原发性耐药性的诺莫图:多中心回顾性研究

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 生物标志物

背景情况:

• 编程细胞死亡蛋白1 (PD-1) 抑制剂改善了晚期胃癌 (AGC) 的结果.
• 对PD-1抑制剂的初级耐药性是AGC的主要临床挑战.
• 炎症标志物对PD-1抑制剂初级耐药性的预测作用尚未得到充分研究.

研究的目的:

• 开发和验证预测AGC患者抗PD-1疗法的原发性耐药性的名录.
• 识别与原发性耐药性相关的关键炎症标志物.
• 为风险分层和治疗决策提供一个工具.

主要方法:

• 一个多中心追溯研究314个AGC患者 (培训,内部和外部验证队列).
• 评估发炎标志物 (NLR,PLR,SII,PNI) 在基线,治疗后和初级耐药性方面的动态变化.
• 多变量物流回归和ROC曲线分析,以开发和验证预测性名ogram.

主要成果:

• 主要耐药性发生在45.5%的患者中.
• 在响应者中观察到NLR,PLR和SII降低,PNI增加.
• 升高的NLR,PLR,SII和降低的PNI与疾病的进展有关.
• 耐药性的独立预测因素包括治疗线,HER-2阴性,高SII和治疗后低PNI.
• 命名图显示了强大的歧视 (AUC:0.729-0.767) 和临床效用.

结论:

• 纵向监测炎症标志物动态地反映了抗PD-1治疗反应.
• 开发的诺米图有效地预测了AGC中对抗PD-1疗法的初级耐药性.
• 该工具有助于风险分层,并为接受抗PD-1治疗的AGC患者的治疗决策提供信息.