基于Erlotinib在高级NSCLC的临床数据的瘤大小模型的系统比较分析

科学领域:

• 在瘤学中药量计和数学建模.
• 临床试验数据的分析和解释.
• 开发用于评估癌症治疗的生物标志物.

背景情况:

• 准确的瘤大小模型对于评估抗癌药物疗效和优化剂量至关重要.
• 现有的瘤大小模型缺乏关于性能和通用性的系统比较.
• 在NSCLC中先前对erlotinib的分析主要使用双指数和线性指数模型.

研究的目的:

• 建立一个优化瘤生长模型的方法框架.
• 系统地比较常用的瘤大小模型以获得描述性和预测性准确性.
• 通过使用临床数据,在人口框架内评估模型的概括性.

主要方法:

• 开发并将建模工作流应用于先进NSCLC患者的erlotinib治疗临床数据.
• 通过重复的交叉验证评估了五种已建立的瘤大小模型.
• 评估模型的描述性,预测性,概括性和推断能力.

主要成果:

• 三种模型 (双指数,线性指数,克拉雷特TGI) 显示可重现性;克拉雷特TGI模型在描述和预测方面表现最好.
• 与双指数和TGI模型相比,线性指数模型在长期外推方面表现出更好的一致性.
• 所有评估的模型都准确地确定了客观响应者,但在预测获得的阻力方面准确性很低.

结论:

• 克拉雷特的TGI模型在NSCLC中分析erlotinib的性能优越,尽管以前没有使用过它.
• 在某些情况下,线性增长模型可能比指数模型提供更可靠的推断.
• 需要进一步的研究来改进用于预测抗癌治疗中获得性耐药性的模型.