[发明专利]一种肿瘤免疫治疗疗效预测的列线图模型的建立方法

说明书

本发明公开了一种肿瘤免疫治疗疗效预测的列线图模型及其建立方法，本发明通过对患者突变基因及临床特征数据的分析筛选，得到与免疫治疗相关性显著的因素，进一步构建得到相应的nomogram模型；本发明共提供了3种nomogram模型，适用于不同的非小细胞肺癌患者，辅助判断不同患者是否可继续接受治疗或选择换药；本发明的模型的简单、直观，易于推广应用，能够有效帮助临床医生对非小细胞肺癌患者接受免疫治疗入组时和开始治疗后阿特珠单抗免疫治疗进行精准的个体化评估，从而为患者带来更好的生存获益，对于非小细胞肺癌免疫治疗的有效应用具有重要价值。

技术领域

本发明属于生物医学领域，涉及一种肿瘤免疫治疗疗效预测的列线图模型及其建立方法。

背景技术

据数据显示，肺癌是中国癌症发病率与死亡率最高的瘤肿，其中有75％-85％为非小细胞肺癌(NSCLC)。随着免疫治疗的迅速发展，免疫检查点抑制剂尤其是程序性死亡因子-1(PD-1)/程序性死亡因子配体-1(PD-L1)抑制剂已在非小细胞肺癌的治疗中取得突破性进展，改变了非小细胞肺癌治疗的格局。免疫治疗作为治疗肿瘤的新希望，将晚期非小细胞肺癌的5年生存率呈数倍提升。然而，其在未经选择人群中也只有15％-20％患者能从中获益，部分接受免疫治疗的患者中表现出对免疫治疗的无反应甚至严重的毒副作用。由此，优化免疫疗法的选择使用，精准预测性生物标志物的发现及其用药指导体系的建立具有重要的意义。

已研究显示，高肿瘤突变负担(TMB)的癌症患者更能从免疫治疗中获益。高TMB与一些肿瘤突变基因的改变有关，这些肿瘤突变基因可能具有预测免疫治疗疗效和长期生存的作用。同时，近年来基于血液的TMB(bTMB)指标逐渐成为预测非小细胞肺癌患者接受免疫治疗疗效的一种非侵入性方法。我们前期研究发现，基于bTMB可较为准确的预测接受阿特珠单抗治疗的非小细胞肺癌患者PFS获益。然而，与bTMB相关的重要突变基因及其在接受免疫治疗的患者的预后作用在很大程度上是未知的。

由于bTMB相关的重要突变基因和接受免疫治疗的患者的预后在很大程度上是未知的。因此建立一种基于血的肿瘤突变基因和临床病理用于预测患者免疫治疗疗效的预测评分体系，对辅助临床精准免疫治疗、个体化用药具有极大的意义。

发明内容

针对上述问题，本发明的目的是提供一种可用于精准预测非小细胞肺癌患者接受免疫治疗疗效的模型及其构建方法。

为实现上述目的，本发明采取的技术方案为：一种非小细胞肺癌免疫治疗疗效预测模型的构建方法，包括如下步骤：

S1、收集非小细胞肺癌患者基因突变和临床特征数据；

S2、将其中频繁突变的基因与患者的总生存期通过COX回归模型进行生存相关性分析，得到与非小细胞肺癌免疫治疗疗效相关的基因；

S3、将临床特征数据与患者的总生存期通过COX回归模型进行生存相关性分析，得到与非小细胞肺癌免疫治疗疗效相关的临床特征；

S4、将步骤S2筛选得到的基因与步骤S3筛选得到临床特征共同构建非小细胞肺癌免疫治疗疗效预测的列线图模型。

作为本发明的优选实施方式，所述步骤S2中筛选得到的非小细胞肺癌免疫治疗疗效相关的基因为TP53、KEAP1和ATM。

根据FoundationOneCDx NGS检测结果对其中的EGFR野生型患者与EGFR 突变型患者数据进行COX回归分析，可得到TP53、KEAP1和ATM为非小细胞肺癌免疫治疗疗效显著相关的基因。

作为本发明的优选实施方式，所述步骤S3中筛选得到的非小细胞肺癌免疫治疗疗效相关的临床特征包括性别、种族、ECOG-PS评分、病理、肿瘤转移数目、肿瘤最长直径、PD-L1表达情况和最佳反应疗效。

作为本发明的优选实施方式，还包括通过用R软件中的survminer包运算得到截值点的步骤。