检索历史 清除

摘要研究目的：免疫检查点抑制剂(Immune checkpoint inhibitors,ICIs)已被认为是晚期非小细胞肺癌(stage non-small cell lung cancer,NSCLC)患者目前最为理想的治疗方法之一.然而，目前尚未有统一确切的生物标志物或整合多参数模型来预测ICIs治疗预后和严重的免疫相关不良反应事件(immune-related adverse events,irAEs).本研究旨在探索新型生物标志物,并开发出一种普遍可及的方法来早期识别可能从ICIs治疗当中得到获益并避免严重毒性的晚期NSCLC患者.<br>　　研究方法：本研究回顾性招募了 138名接受ICIs治疗的晚期NSCLC患者.以无进展生存时间(progression-free survival,PFS)和严重irAEs为临床研究终点，收集人口统计学、临床病理特征、ICIs治疗前及治疗后1-2个周期的外周血炎症-营养和淋巴细胞亚群等数据，通过最小绝对值收敛和选择算子(LASSO)结合COX或logistic回归分析筛选出独立预测预后因子，并将其纳入列线图(nomogram)进行模型构建，再通过应用曲线下面积AUC、校准曲线和决策曲线对模型进行性能评价，利用重抽样进行内部验证.使用R语言工具构建预后和严重irAEs模型.<br>　　研究结果：本研究构建了三个具有优异预测效能的模型——Nomograms.其中，基于炎症—营养生物标志物，我们分别构建了可预测PFS(1年PFS和2年PFS)和严重irAEs的炎症模型;而基于淋巴细胞亚群，我们进一步构建免疫模型用以预测1年PFS.第一个模型“ESCLL” nomogram(包括ECOG PS,preSII、changeCAR、changeLYM和postLDH),用以评估晚期NSCLC患者接受ICIs治疗后1年及2年PFS概率(1y、2y-AUC=0.893[95％CI：0.837-0.95]、0.828[95％CI：0.721-0.93]);第二个模型 “AdNLA”nomogram(包括年龄、change-dNLR、change-LMR 和 post-ALI),以预测晚期 NSCLC患者接受ICIs治疗后出现严重irAEs的概率(AUC=0.762[95％CI：0.670-0.854]);第三个模型“NKT-B” nomogram(包括 change-CD3+CD56+CD16+NKT-like cells、change-B cells),以预测晚期NSCLC患者接受ICIs治疗后1年PFS概率(1y-AUC=0.872[95％CI：0.764-0.965]).由于淋巴细胞亚群数据有限，该免疫指标不能用于构建严重irAEs模型，但本研究发现了 change-CD3+CD56+CD16+NKT-like cells不仅可作为PFS的正向独立预测因子，其水平的升高可能带来治疗获益，但也存在带来更严重的irAEs风险,这在既往NSCLC接受ICIs治疗的研究中尚未被报道.此外，更高的CD4+/CD8+变化水平也与严重irAEs显著相关.<br>　　研究结论：本研究探索开发的模型均来源于无创、简便易得的外周血指标，方便指导临床决策.CD3+CD56+CD16+NKT-like cells首次被发现可用于预测晚期NSCLC患者免疫治疗疗效和严重irAEs的潜在新型生物标志物，其在识别ICIs的获益和严重毒性方面发挥重要作用，但仍需要对更大的队列进一步研究验证.