首页 > 文章详情

5.16 每日资讯：以KRAS和TP53共突变作为潜在疗效预测生物标志物，免疫单药治疗OS超5年！新型AKT抑制剂ipatasertib联合HP治疗PIK3CA突变HER2阳性晚期乳腺癌初显潜力

05月15日

编译：肿瘤资讯

来源：肿瘤资讯

今日要点
1. 以KRAS和TP53共突变作为潜在疗效预测生物标志物，免疫单药治疗OS超5年！

2. 新型AKT抑制剂ipatasertib联合HP治疗PIK3CA突变HER2阳性晚期乳腺癌初显潜力

3. 【JCO】CAR-T细胞疗法破局RT转化的临床治疗瓶颈，总体缓解率达63%！

4. III期KeyVibe-010研究终止！PD-1+TIGIT辅助治疗黑色素瘤研究未达主要终点

5.SCI之窗｜郝继辉教授团队揭示克服胰腺癌化疗和免疫治疗耐药的新策略

5. 2024 AATS 中国之声 | LungPath：人工智能驱动的组织学模式识别用于改善早期浸润性肺腺癌的诊断

1. 以KRAS和TP53共突变作为潜在疗效预测生物标志物，免疫单药治疗OS超5年！

什么患者可以从免疫检查点抑制剂治疗中获益，这个问题已成为临床研究的热点。目前常常被用作治疗的生物标志物，如PD-L1表达、肿瘤突变负荷(TMB)等，往往缺乏预测精度或仅适用于部分患者。因此，研究者一直致力于寻找潜在的预测生物标志物，以期提高预测ICI治疗效果的准确性。

德国肺癌基因组医学国家网络(nNGM)开展了一项多中心、回顾性研究，探索了KRAS和TP53突变状态是否可以作为潜在的预测生物标志物，预测ICI治疗效果。【肿瘤资讯】将相关内容进行了整理，以飨读者。

点击阅读原文

2. 新型AKT抑制剂ipatasertib联合HP治疗PIK3CA突变HER2阳性晚期乳腺癌初显潜力

在HER2阳性晚期乳腺癌（ABC）的治疗领域，针对特定分子亚群的治疗策略正在不断探索中。本文整理了一项名为IPATHER的临床试验，针对携带PIK3CA突变（PIK3CAmut）的HER2阳性ABC患者，评估了一种新型联合治疗方案的安全性和疗效。

IPATHER研究的初步结果显示，IPAT 400mg联合HP作为维持治疗方案，在PIK3CAmut HER2+ ABC患者中具有可接受的安全性，并显示出有希望的疗效。这一发现支持了在HER2阳性ABC患者中进一步探索PI3K/AKT通路抑制剂与抗HER2治疗结合的潜力。

点击阅读原文

3. 【JCO】CAR-T细胞疗法破局RT转化的临床治疗瓶颈，总体缓解率达63%！

近期，来自澳大利亚的学者在顶级期刊JCO上发布了一项临床研究，旨在评估CAR-T疗法在RT转化患者中的安全性和有效性，结果显示CAR-T细胞治疗总体缓解率为63%，其中46%达到完全缓解（CR）。【肿瘤资讯】将相关内容进行了整理，以飨读者。

点击阅读原文

4. III期KeyVibe-010研究终止！PD-1+TIGIT辅助治疗黑色素瘤研究未达主要终点

5月13日，默沙东宣布将终止正在进行的MK-7684A（帕博利珠单抗+Vibostolimab）对比帕博利珠单抗单药辅助治疗手术切除后的IIB-IV期高危黑色素瘤患者的III期KeyVibe-010研究。

终止原因为，该研究在预先计划的分析中达到了无效性标准，即MK-7684A组患者的无复发生存期（RFS）相比帕博利珠单抗单药组并未显著延长。与帕博利珠单抗单药组相比，MK-7684A组患者停止所有辅助治疗的比例更高，而这主要是由于免疫介导的不良反应，因而MK-7684A组极不可能在RFS方面显著优于帕博利珠单抗单药组。

点击阅读原文

5. SCI之窗｜郝继辉教授团队揭示克服胰腺癌化疗和免疫治疗耐药的新策略

近日，天津医科大学肿瘤医院郝继辉教授作为通讯作者在国际消化系统权威杂志《胃肠病学》Gastroenterology（IF=29.4）在线发表题为“Targeting ESE3/EHF With Nifurtimox Inhibits CXCR2+ Neutrophil Infiltration and Overcomes Pancreatic Cancer Resistance to Chemotherapy and Immunotherapy”（硝呋莫司靶向ESE3/EHF抑制CXCR2+中性粒细胞浸润，克服胰腺癌对化疗和免疫治疗的耐药）的原创研究论文。

该研究证明了抑癌基因EHF在趋化因子受体CXCR2阳性中性粒细胞浸润中的抑制作用，以及硝呋莫司能够提高EHF的表达，抑制CXCR2阳性中性粒细胞浸润和招募，进一步提高胰腺癌在化疗和免疫治疗中的敏感性，为胰腺癌治疗带来新的希望。（来源：医师报肿瘤频道）

截屏2024-05-15 18.42.36.png

6. 2024 AATS 中国之声 | LungPath：人工智能驱动的组织学模式识别用于改善早期浸润性肺腺癌的诊断

本研究旨在开发一种深度学习算法，并评估其基于术前计算机断层扫描（CT）扫描区分早期浸润性肺腺癌（ADC）组织学模式的临床能力。纳入两个回顾性队列：开发队列 1 和外部测试队列 2，包括诊断为 T1 期侵袭性 ADC 的患者。记录所有患者的电子病历和CT扫描。基于Mask-RCNN对整体分割模型进行修改，并采用ResNet50_3D进行图像分类。

结果显示，自动分割模型产生的精细轮廓结果与专家手动分割的结果具有高度一致性，在第一组中平均Dice系数为0.86（95%CI：0.85-0.87），在第二组中为0.84（95%CI：0.82-0.85）。此外，深度学习模型有效地区分高危组和低危组，在队列 1 中实现0.89的曲线下面积（AUC）（95% CI：0.88-0.90）。在队列 2 进行外部验证，深度学习模型在区分高风险组和低风险组方面的 AUC 为 0.87（95%CI：0.84-0.88）。平均诊断时间为16.00±3.2秒，准确率为0.82（95%CI：0.81-0.83）。

点击阅读原文

责任编辑：肿瘤资讯-tcz
排版编辑：肿瘤资讯-tcz