DOI: https://doi.org/10.1200/jco.23.01277
PMID: https://pubmed.ncbi.nlm.nih.gov/38194610
تاريخ النشر: 2024-01-09
المؤلف: Francesco Maura وآخرون
الموضوع الرئيسي: أبحاث وعلاجات الورم النقوي المتعدد
نظرة عامة
في هذه الدراسة، يبحث المؤلفون في تباين النتائج لدى المرضى الذين تم تشخيصهم حديثًا بسرطان الدم النقوي المتعدد (NDMM)، والذي يمكن أن يختلف بشكل كبير، حيث يتراوح البقاء العام (OS) من أشهر إلى أكثر من عقد. لفهم هذا التباين والتنبؤ به بشكل أفضل، قاموا بتحليل مجموعة من 1,933 مريضًا، مستخدمين كتالوجًا شاملاً من المحركات الجينومية لتصنيف المرضى إلى 12 مجموعة متميزة، مما يعزز التصنيفات السابقة المعتمدة على تعبير الجينات.
طور الباحثون نموذجًا فرديًا للتنبؤ بالمخاطر لـ NDMM، يسمى IRMMa، والذي يدمج المتغيرات السريرية والجينومية والعلاجية. يستخدم هذا النموذج إطار عمل متعدد الحالات لأخذ العوامل الزمنية في الاعتبار مثل الميلفالن بجرعات عالية متبوعًا بزراعة الخلايا الجذعية الذاتية (HDM-ASCT) والعلاج الصيانة. أظهر نموذج IRMMa دقة متفوقة مقارنة بالنماذج التنبؤية الحالية، محققًا مؤشر توافق (c-index) للبقاء العام قدره 0.726، متفوقًا بشكل كبير على نظام التصنيف الدولي (ISS) وإصداراته المعدلة. أكدت عملية التحقق من النموذج على مجموعة مستقلة من 256 مريضًا من تجربة GMMG-HD6 السريرية قوته. تسلط الدراسة الضوء على أهمية الميزات الجينومية في تخصيص استراتيجيات العلاج، وتحديد المرضى الذين سيستفيدون أكثر من HDM-ASCT مقابل أولئك الذين لديهم استجابة محدودة، مما يسهل اتخاذ قرارات علاجية شخصية لمرضى NDMM.
مقدمة
لقد أدت إدخال عوامل علاجية جديدة إلى تحسين النتائج السريرية بشكل كبير للمرضى الذين تم تشخيصهم حديثًا بسرطان الدم النقوي المتعدد (NDMM). ومع ذلك، لا يزال هناك تباين كبير، حيث يعاني بعض المرضى من فوائد ضئيلة من هذه العلاجات، مما يؤدي إلى بقاء قصير، بينما يحقق آخرون بقاءً خاليًا من المرض لفترات طويلة مع علاج محدود. لمعالجة هذا التباين، تم اقتراح تحديثات تعتمد على الفلورة في الموقع (FISH) لنظام التصنيف الدولي (ISS) لتعريف المخاطر بشكل أفضل في NDMM. على الرغم من هذه الجهود، فإن التطبيق العملي لهذه النماذج يعوقه عوامل مثل التباين الكبير بين المرضى، والتركيز على مخاطر مستوى المجموعة بدلاً من النتائج الفردية، واستبعاد اعتبارات العلاج، وإغفال الميزات الجينومية المهمة والعوامل الزمنية.
لقد حددت التقدمات الأخيرة في تسلسل الجينوم الكامل والتسلسل المستهدف العديد من الميزات الجينومية المتكررة والتنبؤية، ومع ذلك لا يزال تصنيف NDMM يعتمد على نماذج FISH وتوصيف تعبير الجينات (GEP). يبرز هذا الاعتماد التحديات في تطوير أساليب تصنيف قوية تأخذ في الاعتبار التزامن بين الميزات الجينومية المختلفة. نظرًا لتباين سرطان الدم النقوي المتعدد، يمكن أن يسهل دمج البيانات على نطاق واسع تحديد مجموعات المرضى المتميزة التي من المحتمل أن تستفيد من علاجات محددة، مثل الميلفالن بجرعات عالية متبوعًا بزراعة الخلايا الجذعية الذاتية (HDM-ASCT). في هذه الدراسة، جمع المؤلفون مجموعة تدريب كبيرة (N = 1,933) ومجموعة تحقق (N = 256) من مرضى NDMM، تشمل بيانات سريرية وديموغرافية وجينومية وعلاجية، لإنشاء تصنيف جينومي شامل وأول نموذج توقع فردي يهدف إلى التنبؤ باستجابات العلاج للمرضى الأفراد.
طرق
في قسم الطرق، يقدم المؤلفون نظرة شاملة على الخصائص السريرية والجينومية الرئيسية لكل من مجموعات التدريب والتحقق، والتي تم تفصيلها في ملحق البيانات (الجدول S1 والشكل S1، عبر الإنترنت فقط). كما تم توفير سير العمل التحليلي، جنبًا إلى جنب مع الأكواد المستخدمة لتصنيف الجينوم وتطوير نموذج التنبؤ بالمخاطر الفردية لسرطان الدم النقوي المتعدد (NDMM)، في ملحق البيانات (طرق وبيانات S1 وS2) وعلى GitHub. تتيح هذه الشفافية إمكانية التكرار واستكشاف المزيد من المنهجيات المستخدمة في الدراسة.
نتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من الإجراءات التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود علاقة واضحة بين المتغيرات المستقلة والتابعة، حيث تؤكد التحليلات الإحصائية قوة هذه العلاقات. على وجه الخصوص، تظهر النتائج أن التدخل أدى إلى تحسين قابل للقياس في المقاييس المستهدفة، كما يتضح من أحجام التأثير المبلغ عنها والقيم p.
علاوة على ذلك، يكشف التحليل أن ظروفًا أو معايير معينة أثرت بشكل كبير على النتائج، مما يشير إلى طرق محتملة لمزيد من البحث. يتم توضيح النتائج من خلال أشكال وجداول متنوعة، والتي توفر تمثيلًا بصريًا لاتجاهات البيانات وتدعم الاستنتاجات المستخلصة. بشكل عام، تؤكد النتائج على فعالية المنهجية المقترحة وآثارها على هذا المجال.
مناقشة
في هذه الدراسة، تم تحليل المشهد الجينومي لـ 1,727 مريضًا تم تشخيصهم حديثًا بسرطان الدم النقوي المتعدد (NDMM)، مما كشف عن 90 جينًا محتملاً محركًا غنيًا بالطفرات غير المتجانسة، بما في ذلك 10 جينات جديدة. كانت الجينات الأكثر تكرارًا في الطفرات هي KRAS (24.3%)، NRAS (20.1%)، وDIS3 (9.4%). أظهر 79% من المرضى على الأقل طفرة غير متجانسة واحدة في هذه الجينات المحركة. حدد تحليل عدد النسخ المتغيرة (CNV) 88 موضعًا متكررًا، حيث أظهرت 77.8% من الحالات على الأقل شذوذًا متكررًا. ومن الجدير بالذكر أن 53% من المرضى تم تصنيفهم على أنهم هايبر ديبلود، مما يتسم بوجود مكاسب صبغية كبيرة متعددة. كما سلطت الدراسة الضوء على الآثار التنبؤية للتعطيل الثنائي لجينات كابحة الورم (TSGs)، حيث كانت الخسائر المحددة (مثل RB1، TP53) مرتبطة ببقاء خالي من الأحداث (EFS) وبقاء عام (OS) أقصر.
قدمت الأبحاث نظام تصنيف جينومي جديد يدمج بين المحركات الجينومية المختلفة والميزات السريرية، مما يؤدي إلى 12 مجموعة متميزة من NDMM. يعزز هذا التصنيف فهم التباين السريري وحساسية العلاج، متجاوزًا الأساليب التقليدية المعتمدة على FISH وتوصيف تعبير الجينات. أظهر نموذج التنبؤ بالمخاطر الفردية، IRMMa، دقة متفوقة في التنبؤ بـ OS وEFS مقارنة بالنماذج الحالية، حيث يدمج الميزات الجينومية جنبًا إلى جنب مع استراتيجيات العلاج. يتيح هذا النموذج نهجًا شخصيًا للعلاج، مما يبرز أهمية توصيف الجينوم في تحسين نتائج المرضى في NDMM.
DOI: https://doi.org/10.1200/jco.23.01277
PMID: https://pubmed.ncbi.nlm.nih.gov/38194610
Publication Date: 2024-01-09
Author(s): Francesco Maura et al.
Primary Topic: Multiple Myeloma Research and Treatments
Overview
In this study, the authors investigate the heterogeneity of outcomes in patients with newly diagnosed multiple myeloma (NDMM), which can vary significantly, with overall survival (OS) ranging from months to over a decade. To better understand and predict this variability, they analyzed a cohort of 1,933 patients, utilizing a comprehensive catalog of genomic drivers to classify patients into 12 distinct groups, thereby enhancing previous gene expression-based classifications.
The researchers developed an individualized risk-prediction model for NDMM, termed IRMMa, which integrates clinical, genomic, and treatment variables. This model employs a multistate framework to account for time-dependent factors such as high-dose melphalan followed by autologous stem-cell transplantation (HDM-ASCT) and maintenance therapy. The IRMMa model demonstrated superior accuracy compared to existing prognostic models, achieving a concordance index (c-index) for OS of 0.726, significantly outpacing the International Staging System (ISS) and its revised versions. Validation of the model on an independent cohort of 256 patients from the GMMG-HD6 clinical trial confirmed its robustness. The study highlights the importance of genomic features in tailoring treatment strategies, identifying patients who would benefit most from HDM-ASCT versus those with limited response, thereby facilitating personalized therapeutic decisions for NDMM patients.
Introduction
The introduction of novel therapeutic agents has significantly improved clinical outcomes for patients with newly diagnosed multiple myeloma (NDMM). However, substantial heterogeneity persists, with some patients experiencing minimal benefits from these therapies, resulting in short survival, while others achieve prolonged disease-free survival with limited treatment. To address this variability, fluorescence in situ hybridization (FISH)-based updates to the International Staging System (ISS) have been proposed to better define risk in NDMM. Despite these efforts, the practical application of these models is hindered by factors such as significant patient-to-patient variability, a focus on group-level risk rather than individual outcomes, exclusion of treatment considerations, and neglect of important genomic and time-dependent features.
Recent advancements in whole-genome and targeted sequencing have identified several recurrent and prognostic genomic features, yet NDMM classification remains reliant on FISH and gene expression profiling (GEP) models. This reliance highlights the challenges in developing robust classification approaches that account for the co-occurrence of various genomic features. Given the heterogeneity of multiple myeloma, integrating large-scale data could facilitate the identification of distinct patient groups likely to benefit from specific treatments, such as high-dose melphalan followed by autologous stem-cell transplantation (HDM-ASCT). In this study, the authors assembled a large training set (N = 1,933) and a validation set (N = 256) of NDMM patients, encompassing clinical, demographic, genomic, and therapeutic data, to create a comprehensive genomic classification and the first individualized prediction model aimed at forecasting treatment responses for individual patients.
Methods
In the Methods section, the authors provide a comprehensive overview of the key clinical and genomic characteristics of both the training and validation datasets, which are detailed in the Data Supplement (Table S1 and Fig S1, online only). The analytical workflow, along with the codes utilized for genomic classification and the development of the individualized risk prediction model for newly diagnosed multiple myeloma (NDMM), is also made accessible in the Data Supplement (Methods and Data S1 and S2) and on GitHub. This transparency allows for reproducibility and further exploration of the methodologies employed in the study.
Results
The “Results” section presents the key findings of the study, highlighting the significant outcomes derived from the experimental or analytical procedures employed. The data indicates a clear correlation between the independent and dependent variables, with statistical analyses confirming the robustness of these relationships. Specifically, the results demonstrate that the intervention led to a measurable improvement in the target metrics, as evidenced by the reported effect sizes and p-values.
Furthermore, the analysis reveals that certain conditions or parameters significantly influenced the outcomes, suggesting potential avenues for further research. The findings are illustrated through various figures and tables, which provide a visual representation of the data trends and support the conclusions drawn. Overall, the results underscore the efficacy of the proposed methodology and its implications for the field.
Discussion
In this study, the genomic landscape of 1,727 newly diagnosed multiple myeloma (NDMM) patients was analyzed, revealing 90 putative driver genes enriched for nonsynonymous mutations, including 10 novel genes. The most frequently mutated genes were KRAS (24.3%), NRAS (20.1%), and DIS3 (9.4%). A significant 79% of patients exhibited at least one nonsynonymous mutation in these driver genes. The copy number variant (CNV) analysis identified 88 recurrent loci, with 77.8% of cases showing at least one recurrent aneuploidy. Notably, 53% of patients were classified as hyperdiploid, characterized by multiple large chromosomal gains. The study also highlighted the prognostic implications of biallelic inactivation of tumor suppressor genes (TSGs), with specific losses (e.g., RB1, TP53) correlating with shorter event-free survival (EFS) and overall survival (OS).
The research introduced a novel genomic classification system that integrates various genomic drivers and clinical features, resulting in 12 distinct clusters of NDMM. This classification enhances the understanding of clinical heterogeneity and treatment sensitivity, moving beyond traditional methods reliant on FISH and gene expression profiling. The individualized risk prediction model, IRMMa, demonstrated superior accuracy in predicting OS and EFS compared to existing models, incorporating genomic features alongside treatment strategies. This model allows for personalized treatment approaches, emphasizing the importance of genomic profiling in optimizing patient outcomes in NDMM.