肿瘤突变负荷（tumor mutational burden，TMB）目前是免疫治疗重要的疗效预测生物标志物，但TMB-H的阈值目前尚无统一标准。现有的确定TMB阈值的方法往往只考虑单一临床获益因素，且忽略TMB检测中误差对结果判断的干扰。西安交通大学王嘉寅教授团队联合中山大学附属肿瘤医院方文峰教授团队与威尼斯9499登录入口合作开展研究，构建了多终点联合的TMB阈值界定模型，更加精准地预测免疫治疗临床获益。相关研究成果发表于Frontiers in Genetics（IF=4.772）。
传统TMB阈值建立有两种方式：一是直接采用三/四分位法；二是根据临床获益直接确定具体数值。这两种方法准确性欠佳，且存在明显缺陷，一方面仅考虑了临床获益单一维度，不够综合全面；另一方面，临床获益指标多样【如客观缓解率（ORR），无进展生存期（PFS）等等】，可能存在同一研究人群根据不同研究终点可确定多个TMB阈值的现象，导致临床指导作用有限。另外，现有模型往往忽略TMB测量误差。针对以上问题，本研究开发了多终点联合的TMB阈值界定模型，考虑到不同的疗效评价方式，包括ORR（objective tumor response）和TTE（time to event），并且对TMB测量误差进行校正，相比于回归模型有更优的容错性；通过在免疫治疗人群中的模型评估【73例非小细胞肺癌（NSCLC）患者和64例鼻咽癌（NPC）患者】，以及943名患者的外部队列验证集中的验证，证实新模型可提供全面准确的TMB阈值用于预测免疫治疗疗效。
专家简介
王嘉寅 教授
西安交通大学教授、博士生导师
西安市政协委员、十三届全国青联委员、陕西省青联委员、西安市青年联合会副主席
部级重点人才计划入选者、陕西省杰出青年科学基金获得者
曾获得西安交通大学“青年拔尖人才支持计划”资助
兼任陕西省医疗健康大数据工程研究中心副主任
王嘉寅教授及其团队
主要从事大数据驱动的医养贯通与全周期健康管理创新的研究和实践。主要包括：
针对肿瘤组学数据的数据质量管理与分析流程优化；
基于有限异质样本的疗效关联分析与治疗方案推荐；
面向诊疗康养全程的癌症演化预测与复发风险预警。
方文峰 教授
中山大学附属肿瘤医院肿瘤内科
主任医师 博士研究生导师
中组部万人计划青年拔尖人才
广东省特支计划百千万工程青年拔尖人才
广东省杰出青年医学人才
广州市珠江科技新星
CSCO非小细胞肺癌专委会委员
CSCO鼻咽癌专委会委员
中国抗癌协会肺癌专委会委员
广东省抗癌协会鼻咽癌专业青年委员会副主委
广东省医学会精准医学与分子诊断专委会副主委
广东省临床医学会真实世界临床研究专委会副主委
曾赴美国加州大学洛杉矶分校、美国伊利诺伊大学芝加哥分校进修
擅长：肺癌、鼻咽癌及其它实体肿瘤的化疗、靶向及免疫治疗
模型算法开发
考虑到不可避免的测量误差，同时从多层面疗效分析中全面确定TMB的阳性阈值，我们提出了一种多终点同时联合建模的通用方法，并通过使用校正得分开发迭代数值估算程序，基于统计推断无偏性原理产生一致的参数估计，以减少TMB检测误差的干扰。观察到的样本信息包含患者临床记录的ORR和TTE终点、其他临床指标，以及相应的TMB观察值与测量误差，最终开发的算法如下：
✦
扫码领取python小程序
✦
或复制网页地址
https://github.com/YixuanWang1120/TMB_JM
使用方法：
输入excel文件，包含患者的临床观察结果（ORR与TTE终点及其他）与TMB值，实际文件格式可参见simulation.py的生成数据格式。调用solving_function.py程序，即可输出最佳TMB分类阈值。
注意事项：
1、综合预后index的判定标准可根据待分析癌种的临床特征进行调整。
2、对带有测量误差的TMB观测值进行分析时，需提前输入误差率参数。
算法验证-模拟研究
对于新开发的联合模型，首先进行了基于模拟研究的性能验证。结果支持所提出的多终点联合模型和迭代数值估算程序，以及相关随机效应的适用性。为进一步验证测量错误对TMB阈值的影响，同时验证模型重复性，研究人员比较了不同方式界定的TMB阈值对于免疫治疗疗效的预测作用（图1）。联合模型根据实际TMB测量值界定出的TMB-H人群与TMB-L人群相比，免疫治疗显著获益（A, B）；相反，基于TMB测量值，用传统的四分位法界定的TMB-H人群，在免疫治疗获益方面与TMB-L人群无显著差异，其中可能的混杂因素是TMB测量误差（C, D）；同样基于TMB测量值，经联合模型计算及矫正评估后得到的TMB-H人群，其免疫治疗显著获益（E, F）。证实在模拟研究中，多终点联合模型可有效界定TMB阈值。
图1. 不同方式界定的TMB阈值对免疫治疗疗效预测作用对比。A, B. 使用联合模型，根据实际TMB测量值界定TMB阈值；C, D. 使用四分位法，根据实际TMB测量值界定TMB阈值；E, F 使用联合模型，根据矫正后TMB值界定TMB阈值。
模型验证-临床研究
在完成了模拟研究之后，为进一步验证模型性能，我们将多终点联合模型用于临床研究中真实患者人群的TMB阈值界定。纳入的患者来自中山大学附属肿瘤医院开展的抗PD-(L)1相关临床研究，包含73例非小细胞肺癌患者和64例鼻咽癌患者，均接受免疫检查点抑制剂治疗，且具有完备的NGS检测信息和临床疗效信息。在非小细胞肺癌和鼻咽癌人群中，免疫治疗ORR分别是19%和12%，mPFS分别是91d和67.5d。此外，我们还纳入了包含943例泛癌种患者的外部队列验证集，来源于既往文献报道，涉及黑色素瘤（453例）、非小细胞肺癌（407例）、肾细胞癌（56例）和膀胱癌（27例）。
针对上述队列人群，基于多终点联合模型界定TMB阈值，观察其对于免疫治疗疗效的预测作用。结果显示（图2），经多终点联合模型界定的阈值，疗效预测AUC普遍较高（0.6-0.9范围）。证实纳入更多的临床研究终点界定得到的TMB阈值，可以更加综合全面且准确地预测免疫治疗疗效。
图2. 多终点联合模型用于临床研究的ROC曲线。D. 鼻咽癌、膀胱癌、肾癌患者队列 E. 肺癌患者队列 F.黑色素瘤患者队列
为验证模型对于TMB检测误差的容错性能，我们对于上述队列数据人为添加了10-20%的背景噪音。验证结果显示（图3），与没有背景噪音时相比，各组AUC均有所降低。不过，经多终点联合模型界定的TMB阈值，相较于基于ORR界定的TMB阈值，其疗效预测AUC均有0.3左右的提高。证实多终点联合模型对于TMB检测误差有较好的容错性能。
图3. 考虑TMB检测误差时单一终点和多终点联合模型ROC曲线对比。A. 基于单一临床终点（ORR） B.基于多终点联合模型
对于上述73例非小细胞肺癌患者，经多终点联合模型界定的TMB阈值将人群划分为TMB-H和TMB-L，两组免疫治疗PFS和ORR获益不同（p值分别是0.017和0.089）（图4）。将多终点联合模型与分位法（中位/三分位/四分位）对比，比较不同方法下各个队列TMB-H与TMB-L患者之间 mPFS/mOS和ORR差异的p值，结果显示，多终点联合模型下绝大多数p值较低（验证集中NSCLC_35和NSCLC_240两个队列中稍高）。相同方法对比了存在TMB测量误差的情况，结果类似。证实多终点联合模型界定TMB阈值较传统分位法优势明显。
图4. 73例非小细胞肺癌患者TMB-H与TMB-L人群PFS (A)和ORR (B)对比
结语
本研究构建了全新的TMB阈值界定模型，与传统分位法相比，一是通过纳入多重临床研究终点，更加全面综合地评估免疫治疗疗效；二是通过迭代数值评估TMB检测误差，提高模型对于不同检测结果的容错性能。该模型的建立为TMB预测免疫治疗获益人群提供了更加强有力的工具，有望在各个癌种中发挥作用。
参考文献
Yixuan Wang, Xin Lai, Jiayin Wang, Ying Xu, Xuanping Zhang, Xiaoyan Zhu, Yuqian Liu, Yang Shao, Li Zhang, Wenfeng Fang. A joint model considering measurement errors for optimally identifying tumor mutation burden threshold. Front. Genet. 2022. doi: 10.3389/fgene.2022.915839
作者：秦驼驼 审核：NCL 排版：Moro
