由迈阿密大学米勒医学院西尔维斯特综合癌症中心的研究人员领导的一项多中心合作，为新诊断的多发性骨髓瘤制作了第一个计算模型，该模型可以预测基于肿瘤基因组学和治疗的个体的个性化预后。
骨髓瘤科主任兼该中心主任C. Ola Landgren 博士表示，新诊断的多发性骨髓瘤 (IRMA) 的个体化风险预测模型改进了以前的预后工具，因为它考虑了患者肿瘤的生物学特性。西尔维斯特骨髓瘤研究所的高级作者，在《临床肿瘤学杂志》上发表了一篇文章，介绍了该新工具。这对于许多癌症都很重要，尤其是对于多发性骨髓瘤，因为多发性骨髓瘤的变异性很大。事实上，研究人员确定了该疾病的 12 种不同亚型，这是以前从未进行过的分类。
“该领域的未来必须集中在精准医学上，”兰德格伦说。“没有其他出路。”
多发性骨髓瘤最初的分类方法是在 20 世纪 70 年代开发的，基于实体瘤的分期。兰德格伦说，它依赖于存在的癌症数量，并且根据当时可用的治疗方法，它是相当准确的。但对于新开发的疗法，尤其是免疫疗法，癌症的数量往往不如癌细胞的性质重要。肿瘤基因组中不同类型的驱动突变会影响癌症的生长，因此，假设正确的治疗与患者相匹配，即使在癌症广泛传播时诊断出骨髓瘤的某些亚型，也可能会产生非常好的结果。
在过去的二十年中，该疾病的治疗选择数量急剧增加，并且患者的患病时间也更长。但由于治疗选择如此之多，医生需要一种方法来预测哪种治疗最适合每位患者。
西尔维斯特大学助理教授、该研究的第一作者Francesco Maura 博士表示，尽管多年来预测工具不断更新，但该领域仍然缺乏精确的预测。一些工具包括肿瘤基因组特征，但最近有关于尚未包含在预测模型中的基因组风险因素的新发现。迄今为止，所有工具都依赖于人群的平均值，将患者分为“标准风险”和“高风险”等组，并为这些组提供总体预后，但没有考虑个体化风险以及如何通过以下方法对其进行修改：独特的治疗方法。
“我们的模型基于预测个体患者而不是群体风险的想法，”莫拉说。
由于 IRMMa 是使用深度学习构建的，因此它可以在接收更多数据时进行学习和改进。该模型的构建方式允许添加具有未来治疗策略的新兴数据集。该研究团队目前正在努力纳入接受基于新型抗体的多发性骨髓瘤疗法治疗的患者的其他数据集。
为了构建该模型，西尔维斯特研究人员及其合作者使用了近 2,000 名新诊断的多发性骨髓瘤患者的遗传、治疗和临床数据。从患者的 DNA 序列中，科学家们首先确定了 90 个“驱动基因”——癌细胞中带有突变的基因，这些突变似乎会刺激肿瘤生长。然后，他们查看了数据集中每个患者接受的治疗以及患者在这些治疗中的表现如何，将治疗结果与个体的肿瘤基因序列相匹配。
西尔维斯特团队与纪念斯隆凯特琳癌症中心、纽约大学朗格健康中心、莫菲特癌症中心和海德堡大学医院的科学家合作，收集患者数据。毛拉说，该模型可以在线供任何人使用，尽管其当前的迭代是针对研究人员而不是临床医生。它对于研究人员解释或设计新的临床试验可能很有用，例如，提供与实验治疗的大量比较。
Maura 和他的同事还致力于通过整合更多患者数据来改进模型。
“这个模型只有在研究界的帮助下才能发展，”莫拉说。“下一个挑战是继续为其提供正确的数据集，以便在某个时候它将可用于临床目的。”
IRMMa 也很灵活。例如，如果患者在给定治疗后接受移植，则该模型的预后可能会改变。当新疗法可用时，只要有至少数百名患者的数据，就可以更新模型以纳入这些疗法。
兰德格伦说，虽然该领域还没有完全达到对每个新诊断的患者进行整个肿瘤基因组测序的程度，但随着全基因组测序变得更加经济，这可能会在不久的将来实现。
“越来越多的信息将变得可用，像这种模型这样的工具是优化治疗和管理的未来，”他说。
标签：