抽象背景我们先前报道说,在调理开始之前测量的“内皮激活和应力指数”(EASIX;((((肌酐×乳酸脱氢酶))在调节开始之前先预测同种异体血肿干细胞移植(AlloSCT)后的死亡率。为了进行广泛的临床实施,需要切断经过前瞻性验证的easix-pre切断,以定义高风险队列,并且易于使用。在当前研究中,我们首先在n = 2022 AlloSCT受体中进行了回顾性队列分析,并确定了预测非复发死亡率(NRM)的最佳临界值为Easix-pre = 3。为了进行截止验证,我们进行了一项多中心前瞻性研究,其中包括急性白血病,淋巴瘤或脊髓增生性综合征/脊髓脑化综合征/脊髓增生性肿瘤的成年患者的外周血干细胞中的n = 317首次同种症。结果二十三%(n = 74)的同类受体在调节前的easix-pre≥3。NRM在2年中为31.1%,而低easix组为11.5%(p <0.001)。高Easix-Pre患者的总生存率也较差2年(51.6%vs 70.9%; P = 0.002)。我们能够验证截止值,发现Easix≥3与多变量分析中NRM风险增加了两倍以上(HR = 2.18,95%CI 1.2至3.94; P = 0.01)。对于复发的发生,没有观察到统计学上的显着差异。结论这项研究的结果提供了前瞻性验证的标准实验室生物标志物指数,以估计同种术后与移植相关的死亡率风险。easix≥3在调理之前识别出一群同种ctt受体的人群,这些接受者的死亡率增加了两倍以上。
结果:总共362名糖尿病患者被归类为DR。调整了所有协变量后,较高的4-PA/PLP水平与Log Easix的水平升高[优势比(OR)= 1.56,95%置信区间(CI):1.06-2.30]。与4-Pa/PLP水平较低的参考基(OR = 1.94,95%CI:1.40–2.67)相比,4-PA/PLP的比例更高的DR几率与DR的几率增加有关。此外,我们发现Log Easix可能在4-PA/PLP和DR中起中介作用,其产品分布为0.31(95%CI:0.02-0.67)。调解比例为69.06%。在≥60岁的糖尿病患者中也观察到log Easix的介导作用(调解比例:50.63%)或糖尿病持续时间≥10年(调解比例:71.83%)。
抽象背景大约三分之二的复发或难治性大B细胞淋巴瘤(R/R LBCL)在抗CD19嵌合抗原受体T(CAR T) - 细胞疗法后不反应或复发,导致较差的结果。先前的研究表明,增强的淋巴结凝集和血液学干细胞输注可以促进T细胞扩张,从而增强抗肿瘤作用。因此,我们进行了一项I/II期临床试验,其中CNCT19(抗CD19 CAR T细胞)在骨髓全剂量的高剂量化学疗法和自体干细胞移植(HDT/ASCT)后对R/R LBCL患者进行。招募了对一线免疫化学疗法难治性的LBCL符合符合人物资格的LBCL患者,或在挽救化疗后经历了R/R状态。该研究旨在评估这种组合疗法的安全性和功效。此外,该试验中的冷冻血液单核细胞样品和CNCT19 R/R LBCL的单药治疗研究用于评估联合疗法对CNCT19细胞体内行为的影响。结果总共有25例R/R LBCL患者参加了这项研究。总体响应和完整响应率分别为92.0%和72.0%。2年无进展的生存率为62.3%,在中位随访27.0个月后,总生存率为68.5%。未观察到意外毒性。所有细胞因子释放综合征的病例均为低级。两例(8%)经历了3级或更高的CAR T细胞相关脑病综合征。CNCT19在体内行为的比较表明,组合治疗组中的患者表现出增强的CNCT19细胞体内扩张,并减少了长期衰竭的形成,而不是接受CNCT19单一疗法的患者。
确定高风险患者对于提供早期扩展诊断程序和治疗性干预至关重要。临床风险评分,例如造血细胞移植 - 特异性合并症指数(HCT-CI)[2]或内皮激活和压力指数(EASIX)[3] [3]是死亡率风险的宝贵预测因素,但是,不考虑患者的临床过程,因为它们通常仅在入院且不断地更新。医疗数据集的数字化增加允许使用一组广泛的参数,因此可以使用基于机器学习的算法进行风险预测。尽管最终的治疗决定仍在医生中,但这种系统可能会提供宝贵的帮助。为了接受,解释性仍然是一个重要因素。基于复杂的机器学习算法(例如卷积神经网络(CNN))的方法显示出令人鼓舞的结果[4],但其预测的解释性很难。相比之下,基于树的模型通过提供可解释的功能
抽象背景肿瘤突变负担(TMB)定义为询问的基因组序列的每个兆班堡的体细胞突变数量,证明了对鉴定癌症患者的预测性生物标志物潜力,最有可能对免疫检查点抑制剂做出反应。TMB是通过整个外显子组测序(WES)最佳计算的,但是下一代测序的目标面板以时间效率且具有成本效益的方式提供TMB估计。然而,除了潜在的生物信息学管道外,面板大小和基因覆盖范围的差异是跨实验室TMB估计值的已知驱动因素。通过直接比较来自参与实验室的基于面板的TMB估计值,本研究旨在表征基于面板的TMB估计的理论可变性,并提供有关TMB报告,分析验证要求和参考标准一致性的指南,以维持跨平台TMB估计的一致性。方法十一项实验室使用了来自多种癌症(MC3)样本中的癌症基因组多中心突变的WES数据,并使用其自身的生物信息信息线(PANEL TMB)限制在其目标面板覆盖的基因的外部基因的子集中计算了TMB。使用统一的生物信息学管道从整个外显子组中计算出参考TMB值,所有成员都同意(WES TMB)。线性回归分析,以研究所有32种癌症类型的WES和面板TMB之间的关系。在各种WES TMB值下的面板TMB值的可变性也使用95%的预测限制进行了量化。
抽象背景免疫检查点抑制剂(ICI)疗法已大大提高了非小细胞肺癌(NSCLC)患者的总生存率(OS);但是,它的响应率仍然适中。在这项研究中,我们开发了一个基于机器的基于机器的平台,即基于细胞因子的ICI反应指数(CIRI),以根据外周血细胞因子特征来预测NSCLC患者的ICI反应。方法我们分别在培训和验证队列中分别接受了抗PD-1/PD-L1单一疗法或联合化学疗法的NSCLC患者的123例和99例NSCLC患者。在基线(前)和治疗后6周(治疗期间:EDT)从患者获得的外周血中检查了93种细胞因子的血浆浓度。集合学习随机生存森林分类剂是为了选择特征细胞因子并预测接受ICI治疗的患者的OS。在基线和治疗时分别选择了14个和19个细胞因子,以生成CIRI模型(即PROCIRI14和EDTCIRI19),这两者都成功地鉴定出了两个完全独立的人群中OS较差的患者。在人口水平上,如一致性指数(C-Indices)所示,PROCIRI14和EDTCIRI19的预测准确性分别为0.700和0.751在验证群体中。在单个水平上,CIRI评分较高的患者表现出较差的OS [危险比(HR):0.274和0.163,以及PROCIRI14和EDTCIRI19的P <0.0001和P = 0.0044]。通过包括其他循环和临床特征,在高级模型中观察到了提高的预测功效(PROCIRI21和EDTCIRI27)。验证队列中的c指数分别为0.764和0.757,而PROCIRI21和EDTCIRI27的HRS分别为0.141(P <0.0001)和0.158(P = 0.038)。结论CIRI模型在确定NSCLC患者的抗PD-1/PD-L1治疗方面具有高度准确且可重复性,并且可能有助于在治疗早期和/或治疗早期进行临床决策。