Пост-хок анализ TRIDENT исследования POSEIDON (NCT03164616) продемонстрировал возможности машинного обучения для выявления пациентов с метастатическим немелкоклеточным раком легкого (НМРЛ), которые получают наибольшую пользу от добавления тремелимумаба к комбинации дурвалумаба с химиотерапией в первой линии терапии.
Исследование POSEIDON представляло собой рандомизированное открытое многоцентровое исследование III фазы, сравнивающее первую линию терапии дурвалумабом с тремелимумабом или без него в комбинации с химиотерапией против химиотерапии в монорежиме у пациентов с метастатическим НМРЛ. Общая выживаемость (OS) и выживаемость без прогрессирования были статистически значимо увеличены в группе тремелимумаба плюс дурвалумаб и химиотерапия.
Для анализа TRIDENT использовались клинические, геномные и радиомные данные из исследования POSEIDON (срез данных 12 марта 2021 года). Модели машинного обучения, использующие мультимодальные данные, обучались для идентификации субпопуляций пациентов, которые получают пользу от добавления тремелимумаба к первой линии терапии дурвалумабом и химиотерапией.
Модель на основе клинических и геномных данных смогла предсказать пользу от лечения при добавлении тремелимумаба к первой линии терапии дурвалумабом и химиотерапией. Топ-50% пациентов с неплоскоклеточными опухолями достигли отношения рисков 0.56 (95% доверительный интервал 0.33–0.97).
Генетические факторы, наиболее ассоциированные с большей пользой по общей выживаемости:
- EGFR дикий тип
- FGFR3 дикий тип
- CDKN2A дикий тип
- Мутации KRAS
- Мутации STK11
Использование моделей машинного обучения для анализа данных POSEIDON позволило выявить генетические сигнатуры для идентификации пациентов с неплоскоклеточным метастатическим НМРЛ, которые могут получить большую пользу по общей выживаемости от добавления тремелимумаба к первой линии терапии дурвалумабом и химиотерапией. Подобные подходы могут использоваться в будущем для повышения точности персонализированной терапии для отдельных пациентов.