综合营养-炎症-瘤特征的LASSO-赋权的诺莫格拉姆预测了晚期HCC的免疫治疗结果:大型回顾性队列

科学领域:

• 在瘤学瘤学.
• 免疫治疗是一种免疫疗法.
• 生物标志物开发 生物标志物开发

背景情况:

• 免疫检查点抑制剂 (ICI) 在晚期肝细胞癌 (HCC) 中具有可变的疗效.
• 目前用于ICI反应的生物标志物具有侵入性和成本.
• 需要在先进的HCC中使用非侵入性预后工具.

研究的目的:

• 为使用PD-1/PD-L1抑制剂治疗晚期HCC患者开发和验证一种非侵入性预后模型.
• 为了利用常规的临床参数进行预后分层.
• 引导HCC免疫治疗中的个性化治疗策略.

主要方法:

• 对537名晚期HCC患者进行了回顾性研究,这些患者接受了PD-1/PD-L1抑制剂治疗.
• 在培训队列数据上使用LASSO回归开发名图.
• 使用接收机操作特征 (ROC) 曲线,校准图表和决策曲线分析 (DCA) 验证名录.

主要成果:

• 开发了一种13个因素的诺姆图,整合了瘤,营养和炎症的参数.
• 在多个时间点上,名图显示了强大的区分,曲线下的面积 (AUC) > 0.75的整体存活率 (OS).
• 该模型成功地将患者分为低风险和高风险组,具有显著的生存差异.

结论:

• 一个经过验证的,非侵入性的诺米图谱有助于在接受免疫治疗的高级HCC患者的预后分层.
• 该模型整合了炎症,营养和瘤特征,以进行具有成本效益的风险评估.
• 这种工具有可能指导个性化治疗决策,以改善患者的治疗结果.