延迟治疗效果预测模型提高了免疫肿瘤学试验设计的精确度
在过去的十年中，免疫疗法，特别是免疫检查点抑制剂(ICIs)，已成为治疗各种癌症类型的有希望的治疗方法。然而，免疫肿瘤学试验中的一个显着挑战是经常发生延迟治疗效果(DTE)，其中 ICI 的治疗效果可能需要数月才能显现。
传统的试验设计常常忽视 DTE 的潜在存在，导致低估所需的样本量和统计功效的损失。相反，当治疗效果没有明显延迟时，针对 DTE 的替代试验设计可能会导致样本量的高估和不必要的试验延长。
为了应对这一严峻挑战，由 Rui-Hua Xu、Ping-Yan Chen、Zi-Xian Wang 及其同事领导的团队开发了 DTEP 模型。该模型使用 147 项已发表的随机免疫肿瘤学试验的数据进行训练和验证。通过该模型，人们可以使用基线特征(包括癌症类型、治疗线、实验和对照组方案)来预测 DTE 状态。
DTEP 模型在预测 DTE 状态方面表现出较高的准确性，训练集中的工作特征曲线下面积 (AUC) 为 0.79(95% CI，0.71–0.88)，训练集中的工作特征曲线下面积 (AUC) 为 0.78(95% CI，0.66–0.90)。测试集。值得注意的是，该模型在研究团队进行的测试集中的两项随机试验(ESCORT-1st 和 JUPITER-02)中成功预测了 DTE 状态。
为了展示 DTEP 模型的潜在优势，团队模拟了 JUPITER-02 试验的重新进行，其中 DTE 得到了认可。该团队使用了两种以 DTEP 模型为指导的替代设计方法，发现与传统设计相比，两种设计都提高了统计功效并缩短了试验持续时间。
总之，DTEP 模型为提高免疫肿瘤学试验设计的精度和有效性提供了一个有价值的工具。通过预测 DTE 的存在，该模型允许研究人员定制试验设计，最终加速有效免疫疗法的开发和批准。
版权声明：本文由用户上传，如有侵权请联系删除！