 
酪氨酸激酶抑制剂（TKI）的问世显著改善了慢性髓系白血病慢性期（CML-CP）患者的生存结局。既往国际上提出多个危险评分系统如Sokal、ELTS评分系统，主要用于预测患者总生存率这一结局。而如今得益于TKI治疗，绝大部分患者可长期生存。在长期生存背景下，治疗失败成为更受关注的话题，早期识别、预测患者一线伊马替尼治疗失败高危人群，并予以干预、强化管理，以期进一步提高患者总体生存结局。
因此，北京大学血液病研究所江倩教授和黄晓军教授团队对一线接受伊马替尼治疗的患者进行了一项回顾性分析，基于简单机器学习的原理，联合临床常用因素（初诊时高白细胞计数、低血红蛋白水平、高嗜碱性粒细胞百分比、ELTS中高危）建立了一个预测伊马替尼治疗失败的简易模型。该模型可将患者分为极低、低、中、高及极高危5个危险亚组，各组间治疗失败率具有显著统计学差异。该模型还可延伸用于预测患者疾病进展及生存结局。该研究结果于今日发表于《Leukemia》杂志上。
研究纳入从2006年1月至2021年4月在北京大学人民医院就诊并接受一线伊马替尼治疗的1364例初诊CML-CP患者，随机分为模型训练队列（908例）及验证队列（456例）。在训练队列中，使用多因素COX回归建立预测模型，最终模型包括：初诊时白细胞计数≥120×109/L，血红蛋白水平<115g/L，外周血嗜碱性粒细胞比例≥12%，ELTS评分中高危。根据回归系数，建立伊马替尼治疗失败模型（Imatinib-therapy failure model，IMTF），计算方式如下： 
图1. 伊马替尼治疗失败（IMTF）模型计算方法
使用该模型将患者可分层为极低（0分）、低（1分）、中（2分）、高（3分）及极高危（≥4分）5个危险亚组。各危险亚组间累计治疗失败率及无失败生存率具有显著统计学差异。 
图2. 根据IMTF评分系统预测各危险亚组累积治疗失败率
此外，研究者利用Bootstrap内部验证法，进行时间依赖性校准曲线、受试者工作曲线及临床决策曲线分析：校准曲线显示该模型在1年、3年及5年时预测治疗失败结局与实际观测结局一致性良好，时间依赖性受试者工作曲线显示曲线下面积为0.78-0.85，临床决策曲线分析提示患者可获益于该模型的使用从而有效进行危险度分层，早期识别高危伊马替尼失败患者，及时强化管理并干预，有利于临床医师选择一线TKI的治疗决策。
总结
研究者开发并验证了一种具有良好区分度、校准度及净获益的用于预测一线伊马替尼治疗失败的模型（IMTF），可有效预测患者伊马替尼治疗失败概率，有助于早期识别高危伊马替尼失败患者，及时强化管理和干预，有利于临床医师治疗决策选择，从而进一步提高患者总体结局。
参考文献：Zhang, XS., Gale, R.P., Zhang, MJ., Huang XJ & Jiang Q. A predictive scoring system for therapy-failure in persons with chronic myeloid leukemia receiving initial imatinib therapy. Leukemia (2022). https://doi.org/10.1038/s41375-022-01527-y.
| 
匿名
发表于 2024-10-30 13:31:15
发表于 2022-10-7 23:04:42
站点公告
公司地址
官方微信
在线客服
