首页 > 文章详情

2026 WCLC | 基线CT影像生物标志物预测Tarlatamab治疗广泛期小细胞肺癌的神经毒性与细胞因子释放综合征风险

09月08日

编译：肿瘤资讯

来源：肿瘤资讯

Session Type

Mini Oral

Session Title

MO15. Expanding Therapeutic Frontiers in SCLC: ADCs, T-Cell Engagers, and First-Line Strategies

摘要号

MO15.09

英文标题

Baseline CT-Derived Imaging Biomarkers Predict Risk of Neurotoxicity and Cytokine Release Syndrome With Tarlatamab in ES-SCLC

中文标题

基线CT影像生物标志物预测Tarlatamab治疗广泛期小细胞肺癌的神经毒性与细胞因子释放综合征风险

讲者

Lukas Delasos, D.O.

讲者机构

Cleveland Clinic Taussig Cancer Institute

引言

双特异性T细胞衔接器（BiTE）类药物，包括靶向delta样配体3（DLL3）-CD3的tarlatamab，在复发广泛期小细胞肺癌（ES-SCLC）中已显示出令人鼓舞的疗效。然而，治疗常因免疫相关毒性而变得复杂，尤其是细胞因子释放综合征（CRS）和免疫效应细胞相关神经毒性综合征（ICANS），这些毒性可导致住院、治疗中断及显著 morbidity。目前的管理依赖于治疗后的密切监测，因为尚无可前瞻性识别高风险患者的经过验证的生物标志物。能够预测毒性风险的无创影像生物标志物有望实现主动监测、个体化支持治疗及更安全的BiTE疗法实施。本研究评估了基线CT衍生的影像组学纹理特征和定量血管迂曲度（QVT）特征是否与接受tarlatamab治疗的患者发生CRS和ICANS的风险相关。

方法

本回顾性研究纳入50例在克利夫兰诊所接受tarlatamab治疗的ES-SCLC患者，患者均在铂类化疗免疫治疗进展后接受治疗。CRS和ICANS根据美国移植与细胞治疗学会（ASTCT）共识标准进行识别和分级，ICANS另采用免疫效应细胞相关脑病（ICE）评分进行评估。从治疗前CT扫描中提取定量影像组学纹理和血管迂曲度特征。采用线性判别分析（LDA）框架结合三折交叉验证开发基于影像的分类模型，以预测CRS和ICANS风险。模型性能通过受试者工作特征曲线下面积（AUC）进行评估。同时评估临床和治疗变量的预测价值。

结果

50例患者中有28例（56%）发生CRS，10例（20%）观察到ICANS。基线CT衍生的影像生物标志物对两种毒性均表现出稳健的预测性能。影像模型预测CRS的AUC为0.81（95% CI：0.80-0.82），预测ICANS的AUC为0.92（95% CI：0.90-0.93）。加入临床和治疗变量（包括既往治疗线数）仅使CRS预测略有改善（AUC = 0.83），且未显著提升模型性能。仅基于临床病理学变量（包括年龄、性别、种族、吸烟史和治疗史）对CRS或ICANS风险均无预测作用。

结论

基线CT衍生的影像组学和血管影像特征为识别接受tarlatamab治疗期间发生CRS和ICANS风险增加的ES-SCLC患者提供了一种无创且具有临床可操作性的方法。这些影像特征可能反映与免疫相关毒性相关的潜在血管和炎症表型。将基于影像的风险分层纳入临床工作流程可实现定制化监测策略、改善毒性管理，并促进DLL3靶向BiTE疗法的更安全应用。

09月08日

王绪前

北京大学肿瘤医院 | 肿瘤科

Cr s.