Leukemia：接受初始伊马替尼治疗的慢性粒细胞白血病患者分子反应的预测评分系统

随着慢性髓系白血病(chronic myeloid leukemia, CML)治疗策略的不断进步，治疗目标也发生了变化。越来越多的患者受益于迭代更新的酪氨酸激酶抑制剂(TKIs)。对于医生和慢性粒细胞白血病 (CML)患者来说，在伊马替尼治疗开始时准确预测实现主要分子反应 (MMR) 和深度分子反应 (DMR；至少 MR⁴ ) 的可能性至关重要，这可以帮助制定治疗目标和策略。然而，没有伊马替尼初始治疗后MMR或MR⁴的稳健预测评分系统。

因此，一研究团队打算开发并验证MMR和MR⁴的预测评分系统。他们询问了连续18年在2006年1月-2022年1月在北京大学人民医院接受伊马替尼初始治疗的新诊断慢性CML (e14a2和/或e13a2 BCR::ABL1转录本)的受试者的数据，从病历中提取人口学和临床协变量，包括全血细胞计数(CBC)、脾脏大小、共发病率、初始tki治疗以及血液学、细胞遗传学和分子分析结果。

表1：通过精细灰色模型对训练数据集中所有9个候选协变量的完整数据中768名受试者MMR和MR4的累积发病率进行多变量分析。CI：置信区间，HR：风险比，WBC：白细胞计数

表2：利用精细灰色模型对新评分系统中5个候选共变量的完整数据集中的853名受试者MMR和MR4的累积发病率进行多变量分析

受试者被随机分为训练（n  = 913）和验证（n = 456) 数据集。其中男性、较高的 WBC 浓度、较低的血红蛋白浓度、较高的造血百分比和较大的脾脏大小与训练数据集中MMR 和 MR⁴  的累积发生率较低显着相关。

图1：使用训练数据集中的预测评分系统的MMR和MR4的累积发病率。MMR在训练数据集中的累积发生率。B训练数据集中MR4的累积发生率

图2：验证数据集中使用预测评分系统的MMR和MR4的累积发生率。验证数据集中的MMR累积发生率。B验证数据集中MR4的累积发生率

图3：MMR和MR4预测评分系统的一致性分析。MMR和MR4的预测评分系统的风险队列分类的桑基图。B使用MR4评分系统的MMR低风险人群中MR4的累积发生率。C使用MR4评分系统在MMR中危人群中MR4的累积发生率。D使用MMRscore系统在MR4中危人群中MMR的累积发生率。E使用MMRscore系统的MR4高危人群MMR累积发生率

图4：根据MMR和MR4的预测评分系统，切换tki治疗对反应的影响。A, B MMR和MR4的累积发生率，采用考虑移植或死亡作为唯一竞争事件的预测评分系统。除移植或死亡外，转换tki治疗时MMR累积发生率的C-E比较被认为是竞争事件或不是。F-H除移植或死亡外，转换tki治疗时MR4累积发生率的比较被认为是一个竞争事件或不是

使用 Fine-Gray 模型，研究人员开发了 MMR 和 MR 4的预测评分系统，该系统将受试者分为低、中、高风险组，具有显着不同的 MMR 和 MR ⁴累积发生率，具有良好的预测辨别力和准确性接受者-操作者特征曲线 (AUROC) 值下具有高面积的训练和验证队列。

总之，该研究描述了接受初始伊马替尼治疗的慢性CML患者MMR和MR4的准确预测评分系统。这些数据可以帮助医生和患者选择是否开始使用伊马替尼。如需进一步精确确定最佳初始tki治疗策略，只能在随机对照试验中得到最终答案。然而，即便如此，答案也往往是针对同一群体的，而不是针对特定学科的。

原始出处：

Zhang, Xs., Gale, R.P., Li, Zy. et al. Predictive scoring systems for molecular responses in persons with chronic phase chronic myeloid leukemia receiving initial imatinib therapy. Leukemia (2022). https://doi.org/10.1038/s41375-022-01616-y