2024 WCLC丨I-SABR-SELECT:基于放射组学的早期非小细胞肺癌个体化免疫治疗模型

2024 WCLC丨I-SABR-SELECT:基于放射组学的早期非小细胞肺癌个体化免疫治疗模型的核心信息是什么?

2024 WCLC 国际肺癌研究协会(IASLC)主办的2024年世界肺癌大会(WCLC)于当地时间9月7日-9月10日在美国加利福尼亚圣迭戈举行。大会旨在让医生、研究人员和肿瘤学专家齐聚一堂,分享展示肺癌的前沿进展、促进合作。 研究人员基于II期I-SABR研究结果进行二次分析,利用机器学习构建放射组学模型以识别从免疫治疗中获益/不获益的患者,此次大会中公...

2024 WCLC 国际肺癌研究协会(IASLC)主办的2024年世界肺癌大会(WCLC)于当地时间9月7日-9月10日在美国加利福尼亚圣迭戈举行。大会旨在让医生、研究人员和肿瘤学专家齐聚一堂,分享展示肺癌的前沿进展、促进合作。 研究人员基于II期I-SABR研究结果进行二次分析,利用机器学习构建放射组学模型以识别从免疫治疗中获益/不获益的患者,此次大会中公布了该分析结果。 属于「Onco前沿」分类。 关键词:非小细胞肺癌、临床研究、免疫治疗。 本文由 TalkMED 拓麦医学编辑团队审核发布,内容来源清晰、引用完整,符合平台编辑方针和利益冲突披露政策。

本文核心问答

Q1: 该研究的关键数据和临床意义是什么?

摘要号:OA13.05 研究背景 近期开展的一项随机II期临床研究(I-SABR,NCT03110978)表明,相较于单纯立体定向消融放疗(SABR),SABR联合免疫检查点抑制剂(ICIs)治疗早期非小细胞肺癌(NSCLC)可提高无事件生存期(EFS)。研究方法 I-SABR试验纳入了141例早期NSCLC患者,其中101例为开发队列,40例为验证队列。研究结果 总体而言,该模型建议入组I-SABR试验的141例患者中的46例(33%)转换治疗方案[单纯SABR治疗组34例/75例(45%);I-SABR治疗组12例/66例(18%)]。值得注意的是,根据I-SABR-SELECT建议添加ICIs的患者EFS有所改善,开发队列和验证队列的风险比[HR,以SABR为参考]分别为0.09(P<0.001)和0.10(P=0.0069)。

Q2: 这篇文章的来源和作者资质如何?

发布于2024-09-13。

Q3: 本文涉及哪些核心医学术语和研究方向?

本文围绕「2024 WCLC丨I-SABR-SELECT:基于放射组学的早期非小细胞肺癌个体化免疫治疗模型」主题,涉及非小细胞肺癌、临床研究、免疫治疗等核心术语和研究方向。文中涉及的核心术语定义:WCLC即世界肺癌大会(World Conference on Lung Cancer);EFS即无事件生存期(Event-Free Survival);HR即风险比(Hazard Ratio),用于衡量两组间事件发生风险的比值;ECOG即美国东部肿瘤协作组(Eastern Cooperative Oncology Group)体能评分。。研究方法方面,统计分析采用机器学习方法等方法。

Q4: 该研究采用了什么研究设计和方法?

本研究采用临床试验设计。

来源:Onco前沿



2024 WCLC


国际肺癌研究协会(IASLC)主办的2024年世界肺癌大会(WCLC)于当地时间9月7日-9月10日在美国加利福尼亚圣迭戈举行。大会旨在让医生、研究人员和肿瘤学专家齐聚一堂,分享展示肺癌的前沿进展、促进合作。


研究人员基于II期I-SABR研究结果进行二次分析,利用机器学习构建放射组学模型以识别从免疫治疗中获益/不获益的患者,此次大会中公布了该分析结果。【ONCO前沿】特此整理摘要内容,以飨读者。




摘要号:OA13.05


研究背景

近期开展的一项随机II期临床研究(I-SABR,NCT03110978)表明,相较于单纯立体定向消融放疗(SABR),SABR联合免疫检查点抑制剂(ICIs)治疗早期非小细胞肺癌(NSCLC)可提高无事件生存期(EFS)。然而,并不是每例患者都能从免疫疗法中获益。在此,报告了一项二次分析结果,利用机器学习构建了放射组学模型,用以识别从免疫治疗中获益/不获益的患者。

研究方法

I-SABR试验纳入了141例早期NSCLC患者,其中101例为开发队列,40例为验证队列。开发了I-SABR-SELECT框架,以建立治疗结果模型,并为SABR联合免疫治疗的患者选择提供依据。研究人员提取了描述肿瘤/瘤周和肺部区域以及肿瘤周围血管生成网络特征的放射组学模式。对放射组学特征进行了协调、鉴定,并将其与临床因素相结合,以便进行下游选择,从而减少模型的过拟合。使用随机生存森林算法,分别对接受SABR联合免疫(I-SABR)和单纯SABR治疗的患者特征与治疗结果之间的关系建立模型。反事实推理用于评估治疗效果和优化选择。该模型分别在开发和验证队列以及在STARS试验中接受SABR治疗的独立患者组中进行评估。

研究结果

总体而言,该模型建议入组I-SABR试验的141例患者中的46例(33%)转换治疗方案[单纯SABR治疗组34例/75例(45%);I-SABR治疗组12例/66例(18%)]。在模型开发和验证过程中,根据该建议进行治疗的患者在两组中的EFS均有显著改善。根据这一建议进行分层,接受I-SABR治疗的患者的EFS比未接受免疫治疗的患者长1.4-1.6倍。

值得注意的是,根据I-SABR-SELECT建议添加ICIs的患者EFS有所改善,开发队列和验证队列的风险比[HR,以SABR为参考]分别为0.09(P<0.001)和0.10(P=0.0069)。有趣的是,按推荐方案治疗的单用STARS患者亚组获得更好的EFS,HR为0.25(p=0.04)。Shapley分析显示,某些临床特征(包括ECOG、测量肿瘤及周围血管的放射组学特征)与模型预测高度相关。

结论

I-SABR-SELECT为需进行I-SABR治疗的早期NSCLC患者提供了一种个体化的指导方法。


参考文献:

M.B. Saad, et al. 2024 WCLC, OA13.05.


责任编辑|未芩


版权声明:本平台旨在帮助医疗卫生专业人士更好地了解相关疾病领域最新进展。本平台对发布的资讯内容,并不代表同意其描述和观点,仅为提供更多信息。若涉及版权问题,烦请权利人与我们联系,我们将尽快处理。仅供医疗卫生专业人士为了解资讯使用,该等信息不能以任何方式取代专业的医疗指导,也不应被视为诊疗建议。如该等信息被用于了解资讯以外的目的,本平台及作者不承担相关责任。合作联系邮箱:ONCO@edoctor.work。

本文涉及的主要医学术语

文中涉及的核心术语定义:WCLC即世界肺癌大会(World Conference on Lung Cancer);EFS即无事件生存期(Event-Free Survival);HR即风险比(Hazard Ratio),用于衡量两组间事件发生风险的比值;ECOG即美国东部肿瘤协作组(Eastern Cooperative Oncology Group)体能评分。

本文研究方法与设计类型

本研究采用临床试验设计。统计分析采用机器学习方法等方法。

引用格式:2024 WCLC丨I-SABR-SELECT:基于放射组学的早期非小细胞肺癌个体化免疫治疗模型. 发布日期:2024-09-13. 来源:TalkMED拓麦. URL: https://portal.talkmed.com/news/1314

2024-09-13

分享

收藏

点赞

媒体矩阵
  • 拓麦TalkMED
  • 拓麦精要
  • 拓麦Derm
  • 拓麦Neurol
  • 拓麦Diabetes
  • ONCO前沿
  • 血液前沿
  • 血管资讯
  • MED WIKI
  • 三七二十e
下载桌面应用
苹果应用下载
安卓应用下载