从真实世界研究角度共话肿瘤免疫治疗
发布时间：2021-09-23 07:09:53来源：肿瘤免疫细胞治疗资讯
肿瘤免疫治疗已经取得了很多令人瞩目的成果重塑了很多标准疗法。随着多个免疫检查点相关药物获批用于多种恶性肿瘤的治疗，临床上已积累了大量肿瘤免疫治疗的真实世界数据。真实世界的数据和临床研究结果是否高度一致？又有哪些差异？
下面就让小编带大家第一时间了解这些精彩内容。
TMB-H作为免疫治疗生物标志物的可靠性遭质疑？Annalsofoncology用真实世界数据回应，支持TMB-H成为泛癌种免疫治疗生物标志物
01
真实世界中159872例癌症患者的TMB-H发生率支持TMB-H在临床上用于定义转移性实体瘤以进行pembrolizumab治疗
期刊：Annalsofoncology
IF:18.274
发布日期:2021年05月30日
摘要正文:先前McGrailDJ等开展的研究通过在FoundationOne®CDx面板上计算基因突变，最后得出的数据对肿瘤高突变负荷(TMB-H)作为生物标志物的可靠性提出了质疑。在本文中，研究者将真实世界中159872例癌症患者中TMB-H的实际患病率与McGrail研究中的假设患病率进行了比较。结果显示，McGrail研究中的TMB-H患病率在有6/7种II类癌症（新抗原性与CD8+T细胞浸润不呈正相关）被高估,表明McGrail研究得出的TMB值高于临床实践中观察到的值，并增加了定义为TMB-H的患者比例。相比之下，pembrolizumab获批用于晚期转移性TMB-H实体瘤患者中的研究是基于一个前瞻性定义的界限，该界限是基于不同肿瘤类型的临床效用。
小编剧透:McGrailDJ等的最新研究结果并不支持将TMB-H作为ICB治疗所有实体瘤的生物标志物。基于此，D.Fabrizio教授等应用真实世界证据支持了TMB-H的预测价值，并表达了与之不同的观点。认为其所基于的算法没有过滤敏感突变；把第II类肿瘤设定较低的界值并不合理，可能反而会稀释免疫治疗的疗效。未来还需进一步完善统一TMB的检测和分析方法。
如何预测免疫疗法疗效？不良反应越多疗效越好？JAMAoncology最新回复：irAE的发生可能在一定程度上反应出较好的疗效
02
免疫相关的不良事件和疗效：不良反应越多，效果越好？——回复
期刊：JAMAoncology
IF:24.799
发布日期:2021年04月29日
摘要正文:有研究认为免疫治疗相关不良反应(irAE)的发展存在潜在的生存偏差，为了解释irAE的时间依赖性，研究者进行并报告了一项敏感性分析，将irAE作为时变协变量，在irAE发作前值为0，在irAE发作后值为1，以评估irAE的发生和PFS或OS的临床结果之间的关联。在敏感性分析中，研究发现多系统irAE患者与无irAE患者的生存期一致（时变RR，0.48；P=0.001）。此外，由于irAE可在免疫检查点抑制剂(ICIs)启动后的任何时间发生，因此研究者将至少接受过1个疗程的抗PD-(L)1抗体治疗的患者纳入分析。基于此，研究者认为这可以获取最能反映真实世界患者群体中发生的情况的所有irAE，而不是根据以月为单位测量的特定生存期来选择患者。
小编剧透:irAE真的可以预测疗效吗？ShankarB教授等开展了一项评估多系统irAE的特征及其与生存关系的研究，结果证实irAE与OS和PFS的改善有关，并且随着irAE数量的增加，这种相关性更加明显。但关于irAE发生与免疫治疗疗效之间的关系仍然存在很多未知，如irAE发生部位、严重程度、发作时间和处理是否影响免疫治疗疗效，这些还有待将来进一步的探索。
临床试验入组标准可能过于严格，Nature教你：如何使用AI分析真实世界数据，简化肿瘤临床试验入组标准
03
使用真实世界数据和人工智能（AI）评估肿瘤学试验的资格标准
期刊：Nature
IF:42.788
发布日期:2021年04月07日
摘要正文:人们越来越关注临床试验是否更具包容性，但是试验资格标准的设计仍然具有挑战性。本文使用TrialPathfinder的计算框架，使用真实世界的数据系统地评估了不同资格标准对癌症试验人群和结果的影响。该研究使用了来自全国电子健康记录数据库的数据，包含61,094例晚期NSCLC患者。分析表明，许多通用标准，包括基于多个实验室值的排除标准，对试验风险比的影响最小。当使用数据驱动的方法来扩大限制性标准时，合格患者的数量平均增加了一倍以上，总体生存的风险比平均降低了0.05。这表明许多不符合原始试验标准的患者可能会从治疗中受益。通过对其他类型癌症的分析和来自各种临床试验的患者安全性数据，进一步支持了本研究的发现。研究提示以数据为依据的评估资格标准的方法可以帮助设计更具包容性的试验，同时保持对患者安全的保障。
小编剧透:临床试验的进展很大程度受限于受试者招募的进展，临床试验入组标准可能过于严格。Nature杂志4月的发表的一篇文章，使用一种AI工具TrialPathfinder，从肿瘤患者的真实世界数据中学习，来优化入组标准的包容性。分析结果显示，许多常见的入组标准，对临床试验的结果影响甚微。提示在未来临床试验中，可以通过AI简化入组标准，扩大入组人群。
更多免费用药机会看这里！
———————END———————
欢迎关注收藏分享转发、点击右下角在看。
如需帮助请留言！
