OncoHost呈现Proteomics-Based生物标志物临床效益模型,免疫治疗在非小细胞肺癌患者各2022人

OncoHost已经开发了一个新的预测模型对临床的免疫抑制剂检查站(ICI)在非小细胞肺癌(NSCLC)患者。预处理的模型是基于蛋白质组分析血液样本,结合机器学习分析,准确地预测临床效益概率在十二个月,优于现有PD-L1生物标志物的预测能力。研究使用OncoHost首开先河,先知®平台,并将一个海报社会对癌症免疫疗法(丰)第37年会。

目前,ICI疗法的临床效益预测和选择一个有效和安全的治疗方式(即。,免疫疗法与免疫治疗与化疗的结合)依赖于PD-L1表达水平。然而,可用的分析预测只是中等。此外,immunotherapy-based策略的临床效益仍局限于少数的病人,反映出需要识别预测生物标志物的临床效益,最终改善病人选择真正个性化的治疗方案。

“我们很自豪能再次提供坚实的科学证据在临床效益预测非小细胞肺癌患者,“Harel米甲说,博士的科学和创新总监OncoHost和π的研究。“我们的专有机器学习和proteomics-based平台,先知®,提供了两个临床实用程序;首先,它可以在12个月内成功预测临床效益;第二,模型,结合PD-L1测试,为医生提供了一个决策工具管理免疫疗法是否单独或结合化疗的患者,对总体存活率显著影响。”

一群的预测模型开发339年ICI-treated NSCLC患者参加OncoHost正在进行的,多中心先知的临床试验。血浆样本和临床数据收集和深度进行蛋白质组学分析使用SomaLogic(纳斯达克:SLGC) SomaScan平台。盲法验证模型的性能进行评估。先知®显示强大的预测能力,并成功地识别这些患者获得长期受益于免疫治疗与化疗相结合,以及那些将受益于免疫疗法。这是一个重要的,到目前为止尚未解决的临床问题。第一在NSCLC blood-based测试能够成功地指导治疗选择患者分成四组,每一个显示不同的总体生存行为为单药治疗和联合治疗。

“我们很自豪能成功地开发了一个临床决策支持工具,回答了一个清晰的问题,并有很强的结果。通过结合先知®的输出与PD-L1测试的结果,我们的模型将帮助临床医生在治疗管理模式,他们的病人可以受益。这将创建一个在照顾这些病人的重大转变,“OncoHost首席执行官奥弗莎伦说。“这是一个激动人心的时刻为我们的公司我们推出先知®测试在美国对于非小细胞肺癌患者,只和这些结果进一步支持我们的最终目标是开发一个精密肿瘤癌症连续工具来改善病人的结果。”

临床研究合作,Thoraxklinik海德堡大学,梅奥诊所,加州大学戴维斯分校综合癌症中心,西德尼Kimmel在托马斯杰弗逊大学医学院,瓦克斯纳俄亥俄州立大学医学中心以及其他机构。

海报的海报将大厅丰11月10日和11日,2022年,在美国东部时间9点至晚上九点和将是可用的免疫疗法的癌症杂志(JITC)补充。