惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Blog — PlanetScale
Blog — PlanetScale
S
Security @ Cisco Blogs
博客园 - 三生石上(FineUI控件)
博客园 - 叶小钗
Last Week in AI
Last Week in AI
Jina AI
Jina AI
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
阮一峰的网络日志
阮一峰的网络日志
GbyAI
GbyAI
Microsoft Security Blog
Microsoft Security Blog
B
Blog
A
About on SuperTechFans
B
Blog RSS Feed
M
MIT News - Artificial intelligence
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
宝玉的分享
宝玉的分享
H
Hackread – Cybersecurity News, Data Breaches, AI and More
腾讯CDC
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
H
Help Net Security
博客园 - Franky
D
Darknet – Hacking Tools, Hacker News & Cyber Security
P
Palo Alto Networks Blog
罗磊的独立博客
S
Securelist
L
LINUX DO - 热门话题
T
Tor Project blog
人人都是产品经理
人人都是产品经理
Google DeepMind News
Google DeepMind News
T
Threatpost
Simon Willison's Weblog
Simon Willison's Weblog
P
Privacy International News Feed
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
Spread Privacy
Spread Privacy
WordPress大学
WordPress大学
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
MyScale Blog
MyScale Blog
T
The Blog of Author Tim Ferriss
爱范儿
爱范儿
Cyberwarzone
Cyberwarzone
NISL@THU
NISL@THU
Apple Machine Learning Research
Apple Machine Learning Research
S
SegmentFault 最新的问题
C
Cyber Attacks, Cyber Crime and Cyber Security
G
Google Developers Blog
The Hacker News
The Hacker News
Latest news
Latest news
A
Arctic Wolf
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
S
Schneier on Security

熊言熊语

焦虑的反面是具体:用3年AI实践和你分享这份AI科研心得指南 | 熊言熊语 因为 AI 终于我可以尝试把自己最好的东西给你 | 熊言熊语 Guardant Shield 获批:详谈这5年你该了解的按部就班、跌跌撞撞 、布局和野望 | 熊言熊语 除了E人变I,断网半年后我的3个感悟和1个项目 | 熊言熊语 同源重组修复缺陷HRD :产品总览 | 熊言熊语 同源重组修复缺陷HRD:临床验证 | 熊言熊语 同源重组修复缺陷HRD:从无到有 | 熊言熊语 聊肿瘤生物标志物时我们在聊什么 | 熊言熊语 肿瘤组织和液体活检结果不一致,好事还是坏事 | 熊言熊语 关于wolai被钉钉收购:多研究些问题少谈些逻辑 | 熊言熊语 MSKCC 尚待解决的肿瘤基因组检测临床应用问题 | 熊言熊语 不要错过的14档肿瘤研究专业相关播客 | 熊言熊语 从靶向治疗耐药机制到联合用药策略(下篇) | 熊言熊语 那些获得FDA突破性设备认证的多癌种早筛公司 | 熊言熊语 2022的混乱和坚持 2023的困难和勇敢 | 熊言熊语 从靶向治疗耐药机制到联合用药策略(上篇) | 熊言熊语 和头部肿瘤早筛公司 GRAIL CEO 学写年终工作总结 | 熊言熊语 2022年肿瘤精准治疗进展回顾 看OncoKB和FDA审批就够了 | 熊言熊语 Foundation Medicine 42万例样本库分析KRAS泛癌种突变特征得出了这些结论 | 熊言熊语 从2002年的Nature论文到2022年的亿元营收 | 熊言熊语 肿瘤NGS行业新人如何构建自己的知识体系 | 熊言熊语 Nature Genetics:低TMB患者福音 肿瘤非整倍体可预测泛癌免疫治疗疗效 | 熊言熊语 Nature Cancer:高度非整倍体非小细胞肺癌 放疗同步免疫治疗更敏感 | 熊言熊语 Nature Reviews Cancer:未来10年肿瘤精准治疗的6个未解之谜 | 熊言熊语 通过一份会议日程多了解点液体活检 | 熊言熊语 找到一种和这个世界沟通的方式 | 熊言熊语 跨越60年的癌症靶向治疗里程碑 | 熊言熊语 同样做肿瘤NGS检测,美股上市的9家公司近况如何 | 熊言熊语 30 岁,让我们成熟和改变的不是生日而是生活 | 熊言熊语 ctDNA系列之一:ctDNA的生物学特征、检测技术问题和临床应用方向 | 熊言熊语 在《Google软件工程》里了解如何在团队内进行学习和分享 | 熊言熊语 如何衡量个人在团队项目中的贡献 | 熊言熊语 万字长文|染色体不稳定性,凭什么2022年还能用TCGA数据发Nature | 熊言熊语 FDA发布ctDNA应用于早期实体瘤药物开发的指导意见 | 熊言熊语 单平台文章阅读量超过100万,我可能做对了三件事。 | 熊言熊语 Gitee图床被禁?云对象存储配合CDN方案以及图片批量迁移方法 | 熊言熊语 别再用DEseq2和edgeR进行大样本差异表达基因分析了 | 熊言熊语 春天来了,但你得准备好继续过冬 | 熊言熊语 任务如何才能按时完成 | 熊言熊语 从肿瘤突变列表到辅助临床决策 | 熊言熊语 半年毕业 半年工作 我的2021年度总结 | 熊言熊语 你也可以在学术报告中讲好一个引人入胜的故事 | 熊言熊语 OncoSearch 肿瘤研究必备(自用)聚合搜索工具 | 熊言熊语 读陌生领域文献,我劝你别读正文 | 熊言熊语 准备两个版本的PPT | 熊言熊语 通往更好的决定 | 熊言熊语 更多地写 但是写的更短 | 熊言熊语 问题出现我再告诉大家 | 熊言熊语 重做新人 NGS肿瘤领域可以学些什么 | 熊言熊语 新手和专家的区别以及如何看待学习 | 熊言熊语 完成这个需要多长时间 | 熊言熊语 从 MacBook Pro M1 安装编译 R 踩坑想到的 6年硕博生活的6条心得-生活成长篇 | 熊言熊语 面对职业教育缺失,在科研行业的我们能做什么 | 熊言熊语 全球顶尖科学家榜单 | 熊言熊语 构建自己的数字花园-工具篇 | 熊言熊语 使用R语言分析上海地铁好位置周边的二手房价格 | 熊言熊语 熊言熊语会员通讯 4321X 第5期 | 熊言熊语 关于 wolai 这款工具的观察与困惑 | 熊言熊语 关于个人的认知不确定性 | 熊言熊语 需要时刻留心的24个生物信息学提示 | 熊言熊语 要不要读博(答读者信) | 熊言熊语 熊言熊语会员通讯 4321X 第3期 | 熊言熊语 用三个问题回顾 2020(全员协作版) | 熊言熊语 熊言熊语会员通讯 4321X 第2期 | 熊言熊语 熊言熊语会员通讯 4321X 第1期 | 熊言熊语 熊言熊语会员通讯 4321X 第0期 阅读与分享 | 熊言熊语 有备而来的 4321X | 熊言熊语 macOS big sur 升级后编译 R 的问题 你的实验伴侣摸鱼首选和通勤第一品牌 | 熊言熊语 如何帮助别人 | 熊言熊语 21天日记挑战-5分钟日记法 | 熊言熊语 使用 Zotero 在 Markdown 中优雅地处理参考文献 三个 Linux 文件高频小操作 | 熊言熊语 VS Code 代码编辑器入门指南下篇-场景化应用介绍 | 熊言熊语 VS Code 编辑器入门指南上篇-核心概念与组件 | 熊言熊语 把 Markdown 模板做成 VSCode 插件 简书这些年 | 熊言熊语 靠谱熊的每周分享 第4期 | 熊言熊语 靠谱熊的每周分享 第3期 | 熊言熊语 非蠢既坏 别这么想 | 熊言熊语 靠谱熊的每周分享 第2期 | 熊言熊语 R 的 20 年 | 熊言熊语 靠谱熊的每周分享 第1期 | 熊言熊语 停课不停学 推荐 7 门有趣实用的线上课程 | 熊言熊语 在家复工,学生党如何使用学术资源 | 熊言熊语 跨平台协作,让飞书实时接收语雀更新提醒 | 熊言熊语 特殊时期假期返程实录 | 熊言熊语 需要远程办公,不妨用 Trello 进行组织和协作 | 熊言熊语 学习素材共享小组V2.0(已停止招募) | 熊言熊语 Trello 看板内容太多,飞书表格帮你自动整理 | 熊言熊语 把飞书融入日常学习流程:一个人的飞书也挺好 | 熊言熊语 人究竟怎样才算来过又怎样才算离开 | 熊言熊语 使用 VSCode 愉快地进行远程 R 开发 给一年前自己的一封信-2019 | 熊言熊语 眼见不为实:为什么29不等于29 | 熊言熊语 如何简快好省的使用图床 | 熊言熊语 这三个网站让我摸鱼都从容了 | 熊言熊语 我目前的云存储方法 | 熊言熊语
肿瘤精准治疗究竟多难 看这7个临床实践障碍 | 熊言熊语
2023-03-14 · via 熊言熊语

2023-03-14, 1832 words, 7 min read

换句话,除了「贵」,还有哪些因素影响了癌症精准治疗在临床实践中的应用呢?

今年过年发生的一段对话如下:

👨:小伙子,哪里发财?
🐻:呃,没发财。
👨:那瞎忙啥呢?
🐻:往大了说是精准医疗,研究一些可以检测癌症病人基因组变化的东西,用了之后就能找到针对患者精准的治疗方式。
👨:一种很新的东西?
🐻:算上老美那边,行业从起步到现在已经很多很多年了
👨:那我听说的人得了癌症怎么还都是化疗?
🐻:可能是还没真正普及这种看病方法,而且小地方也有很多不规范
👨:那你不白研究了?
🐻:来,叔,喝一杯

过年回来,这段对话我一直忘不掉,除了不知道该如何发财,还好奇一个问题:这么多上下游公司,有药企有诊断,这么多做科研、做研发、做销售的从业者,吭哧吭哧这么多年,究竟有多少患者从中受益,应该从哪里找问题?

换句话,除了闭眼能想到的「贵」,到底有哪些因素影响了癌症精准治疗在临床实践中的应用?

前几天一查,还真找到了 2022 年 10 月发表在 JCO Precision Oncology 的一篇论文。

这篇论文以晚期非小细胞肺癌(NSCLC)为例,详细介绍了将预测生物标志物(predictive biomarker)检测整合到癌症个性化诊疗过程中面临的挑战,并量化分析了各种临床实践障碍对治疗的真实影响。

先说结论:在美国,从诊断到治疗的过程中,由于不同临床实践障碍叠加造成的患者损失,最终大约 64% 的潜在获益晚期 NSCLC 患者没有受益于适合其疾病的癌症精确治疗。

如上图所示,该研究使用的 Diaceutics 是一个来自美国超过50万名非小细胞肺癌患者数据,包括商业和医疗保险以及实验室数据在内的多来源数据库。

其研究重点放在了精准治疗过程中从诊断到治疗七个步骤出现的障碍和各自独立及累计影响。

七个步骤如下:

  • Step 1: Biopsy referral: Initial solid or blood biopsy was never performed. 未进行最初的组织或血液活检。
  • Step 2: Biospecimen collection: Biospecimen collection challenges including insufficient tissue or tumor cell content of initial biopsy or rebiopsy inhibited biomarker testing and its accuracy. 生物标本收集影响了生物标志物检测和准确性
  • Step 3: Biospecimen evaluation/pathology: Biospecimen tumor cell content was overestimated, inhibiting biomarker testing and its accuracy. 被高估的肿瘤细胞含量影响了生物标志物检测和准确性。
  • Step 4: Biomarker test ordering: Appropriate testing was not ordered, or treatment began before testing was ordered. 未进行相关检测或在检测前即开始治疗
  • Step 5: Biomarker testing performance: Biomarker testing provided inconclusive or false-negative (FN) results. 生物标志物检测提供了不确定或假阴性结果。
  • Step 6: Test result reporting: As a result of turnaround time (TAT) delays, treatment was initiated without consideration of test results. 周转时间问题,治疗并为考虑检测结果即开始
  • Step 7: Treatment decision: Targeted treatment was not selected despite positive test results. 尽管测试结果为阳性,但未选择对应的靶向治疗。

当将人数标准化为1000时,如下图你可以看到每一步具体存在的问题以及陆续措施治疗机会的患者人数和比例。

在上面这幅图,我们可以发现,研究者估计有29.2%的病人没有根据他们的检测结果接受适当的针对性治疗。

根据索赔数据,确定有18.5%的病人没有接受治疗。在81.5%的接受了各种治疗的患者中 9.1%只接受化疗,14.3% 接受化疗和免疫治疗,40.8% 只接受免疫治疗,16.6% 接受靶向治疗,还有 0.7% 接受其他治疗。

14.3%的肿瘤本可以使用TKI却没有接受指定的治疗。另有11.6%的患者在IHC检测基础上获得了可针对治疗的结果,但没有接受适当免疫治疗,此外估计共有3.3%的患者的检测结果不正确(假阳性)。

推测没有接受相应治疗的原因,如下图显示,可能包括:检测报告问题(报告中的错误、过时的临床和药物信息);缺乏FDA批准的适应症(医生不清楚或不愿在适应症外用药);对靶向治疗选择的认识滞后;治疗可及性;治疗成本/保险报销范围等。

如果你关注的是肿瘤NGS检测,那么有一个好消息和一个坏消息。

坏消息是turnaround time (TAT) 统计显示:在接受生物标志物检测并报告结果的29227名患者中,研究估计有4%经历了TAT延迟进而导致治疗决定没有考虑分子检测结果,在所有方法中 13.1% 的 NGS 检测 TAT 超过了14天。

好消息是,在包括 PCR Sanger IHC和FISH在内的检测手段中,根据多项研究估计的假阴性和假阳性率现实,NGS方法的FN和其它相比要明显小的多。

看到最后这张汇总的患者丢失示意图,不知道你作何感受。

问题代表着机会和改进空间,问题越大的步骤被优化的可能性也相对越大。不过,除了注意数据的实效性(来自2019年)以外,你或许还需要注意如下几点内容:

  1. 这项研究针对 NSCLC,算是实体瘤中精准治疗机会偏高的癌种,那其它癌种的情况又如何?
  2. 七个临床实践障碍中,美国患者流失率最高的是障碍七,随后不分伯仲的是障碍四和五,如果在国内进行类似研究又可能是哪几步问题最大?
  3. 第一步中,84.6% 接受了组织活检;8.8% 接受了液体活检,6.6% 没有组织或液体活检的患者可能只通过成像进行诊断。从这个数据看,液体活检和组织活检相比优势究竟是什么,空间还有多大
  4. 第三步中,根据估算,肿瘤细胞含量<\20%的 14% 的组织样本中,有 38% 被高估为>20%,进而被错误地认为适合分子检测。这一部分在各家肿瘤检测公司中,有多少本不该检测的样本进行了检测?
  5. 以上研究,如果考虑一个患者随着治疗展开多次检测,又会是一个什么结果呢?
  6. 如果治疗前(基线)检测尚且存在如此大比例潜在可获益的患者流失,各家你争我夺的MRD和早筛,目前又是什么情况?

如果你对这篇文章感兴趣,欢迎通过邮箱订阅我的 「熊言熊语」会员通讯,我将第一时间与你分享肿瘤生物医药领域最新行业研究进展和我的所思所学所想点此链接即可进行免费订阅。

· 分享链接 https://kaopubear.top/blog/2022-03-14-clinical-practice-gaps/