Predicting Pathological Complete Response to Neoadjuvant Immunotherapy in Gastric Adenocarcinoma: A Nomogram Based on Serum Tumor Markers and Inflammatory Indices
本研究表明，新辅助免疫治疗在胃腺癌中的病理完全缓解率显著高于化疗，并建立了一个基于血清肿瘤标志物、炎症指数和肿瘤深度的验证列线图，用于预测治疗反应并指导个性化临床策略。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
胃癌，通常被称为胃部癌症，仍然是全球范围内的一项严峻挑战，尤其是在亚洲，它是癌症相关死亡的主要原因之一。对于许多被诊断为晚期阶段的患者来说，以往的前景历来十分严峻，其生存率与早期发现相比显著下降。近年来，一种强大的新方法脱颖而出：在手术前给患者使用免疫治疗药物。这些被称为免疫检查点抑制剂的药物就像是释放了人体自身免疫系统的开关，使其能够更有效地识别并攻击癌细胞。当这种策略与传统的术前化疗相结合时，有时可以将肿瘤缩小到如此程度，以至于在外科医生切除器官时，已不再残留任何癌细胞。这种在切除组织中癌细胞完全消失的现象被称为病理学完全缓解（pathological complete response）。虽然这种结果是非常理想的，并与更好的长期生存率相关，但它并非对每个人都有效。有些患者反应极佳，而另一些人则几乎没有变化，然而医生目前仍缺乏一种简单、可靠的方法，能在治疗开始前预测谁会属于哪一组。
复旦大学附属中山医院的研究人员致力于通过寻找血液中的线索来破解这一难题。他们专注于两类已包含在常规医疗护理中的信息：肿瘤标志物（即癌细胞释放的特定蛋白质）以及炎症指数（即通过标准血常规计算出的、用于衡量人体免疫和炎症状态的简单比例）。该团队分析了接受新辅助治疗（即术前治疗）的288名患者的数据。其中，146名患者接受了免疫治疗联合化疗的新方案，另有142名患者仅接受了化疗。第一步是确认这种新方法是否确实更优越。结果非常明确：接受免疫治疗的组别实现了22.6%的病理学完全缓解率，这比仅接受化疗组的9.2%实现率高出了一倍多。这证实了新策略具有显著优势，但也凸显了识别哪些特定患者将从中获益最多的必要性。
为了寻找预测因子，研究人员将注意力转向了接受免疫治疗的146名患者。他们将这些人分为两组：实现完全缓解的患者和未实现完全缓解的患者。通过对比治疗开始前的血液检测数据，以及治疗期间这些指标的变化，他们寻找着能区分这两组人群的模式。他们检查了广泛的因素，包括常见的肿瘤标志物水平（如CEA、CA19-9和CA724），以及不同白细胞的比例。他们还计算了从治疗开始到手术前这些数值的变化量。通过使用一种复杂的统计方法来筛选数据并处理缺失信息，他们将名单缩减到了最可靠的指标。他们发现有四个特定的因素作为实现完全缓解的独立预测因子脱颖而出。
第一个因素是名为CEA的蛋白质水平。初始CEA水平较高的患者实现完全缓解的可能性较低。第二个因素涉及中性粒细胞与淋巴细胞比值（neutrophil-to-lymphocyte ratio），这是一种炎症的衡量指标。较高的比值意味着相对于免疫防御而言处于更强的炎症状态，这也与较低的成功率相关。第三个因素则更具动态性，即治疗过程中淋巴细胞与单核细胞比值（lymphocyte-to-monocyte ratio）的变化。到手术时，如果患者的该比例未能得到充分改善，则较难实现完全缓解。最后，癌症的物理侵袭程度也很重要。与侵袭程度较低的肿瘤相比，那些肿瘤已深层侵入胃壁、甚至到达最外层的患者，实现完全缓解的可能性显著降低。
研究人员将这四个发现整合到一个名为“列线图”（nomogram）的单一预测工具中。你可以将其想象成一个专门的计算器，医生可以通过输入患者关于这四个因素的具体数值，来估算实现完全缓解的概率。为了确保这个工具是准确的而非仅仅是运气好，他们使用了严谨的方法对其进行了测试，该方法通过模拟使用不同数据样本重复进行数千次研究来验证。该工具表现良好，显示出能够区分响应患者与非响应患者的强大能力。它还证明了临床上的实用性，这意味着使用它来指导决策可能会比凭直觉或使用标准方法带来更好的结果。这项研究表明，通过观察这些简单的血液检测和肿瘤深度，医生有可能识别出那些仅靠免疫治疗不太可能实现完全缓解的患者。这些知识可以帮助临床医生制定更个性化的治疗方案，例如调整疗法或管理预期，最终推动胃癌领域向真正的精准医学迈进。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。