p1i543210 tnuocnoitatumcnegocnO5060708090100PD-L1 TPS50-59 vs ≧6050-69 vs ≧7050-79 vs ≧8050-89 vs ≧900、1 vs ≧20-2 vs ≧30-3 vs ≧40-4 vs ≧510＜ vs ≧10OMCOMC + CANTMBHR95% CIPD-L1 TPS (%)R=-0.0572考 察PD-1 阻害剤の PFS と PD-L1 TPS、TMB、OMCとの相関解析 Pembrolizumab の PFS と PD-L1 TPS、TMB、OMC との相関について COX 比例回帰モデル解析OMC ≧ 3 かどうかでそれぞれ有意な相関を認めたしたところ、相関係数 R=︲0.0572 で相関は認められなかった（図 5）。PD-1 阻害剤の PFS における多変量解析 Pembrolizumab の PFS と各種臨床因子に PD-L1 図 4 Pembrolizumab の PFS と PD-L1 TPS、OMC、TMB の COX 比例回帰モデル解析OMC: oncogenic mutation count, CAN: copy number alteration, TMB: tumor mutation burden, HR: hazard ratio, CI: confidence interval図 5 OMC（oncogenic mutation count）と PD-L1 TPSの散布図R: 相関係数肺癌における Pembrolizumab の治療効果予測の網羅的ゲノムバイオマーカー探索研究0.1TPS、TMB、OMC を加えた多変量解析を行ったところ、PD-L1 TPS と OMC において有意な相関を認めた（p<0.05）（表 2）。これら 2 つの臨床因子を用いて対象症例を 4 群に分けて、Kaplan-Meier曲線を作成したものを示す（図 6）。 本研究では PD-1 阻害剤の新たなバイオマーカーとして OMC を見出した。OMC は確立されているPD-1 阻害剤のバイオマーカーである PD-L1 TPSとは独立に PD-1 阻害剤の効果予測に関わっており、PD-L1 TPS と OMC を組み合わせることで、より正確に PD-1 阻害剤が有効な症例群を同定できる可能性が示唆された。また本解析では単一の変異として TP53 変異と ERBB2 増幅、NFE2L2変異、KEAP1 変異を負の効果予測因子として同定しており 3）、既に NFE2L2、KEAP1 変異は PD-1阻害剤の効果の負の予測因子として確立されたマーカーであり 7）、本研究での遺伝子解析の精度と TSO500 パネルでの解析ソフトの精度を裏打ちするものと思われる。 癌の発生機序については、大腸癌での多段階発癌をはじめとして、遺伝子変異が複数導入されることで、癌の悪性度が増すことが知られている 8）。癌の遺伝子変異の総数のサロゲートマーカーとを 行 っ た と こ ろ PD-L1 TPS ≧ 80% か ど う か、（図 4）。PD-L1 TPS と OMC については相関を評価97970.549[0.288-1.047]0.438[0.227-0.844]0.332[0.156-0.706]0.474[0.168-1.338]2.555[1.065-6.133]2.448[1.268-4.724]2.301[1.136-4.663]1.048[0.546-2.01]1.135[0.6-2.153]100.0690.0140.00410.1590.0360.007610.0210.8880.697
元のページ ../index.html#111