The clinical and biochemical predictors of cancer immunotherapy toxicity

Abstract

Токсичность ингибиторов контрольных точек иммунного ответа в ряде случаев может быть крайне тяжелой и даже приводить к летальному исходу. Одной из актуальных задач в настоящее время является поиск предиктивных маркеров токсичности иммунотерапии. Предиктивные маркеры токсичности могут прояснить подход к стратификации пациентов, нуждающихся в иммунотерапии, позволить принимать более индивидуализированные клинические решения. В данной работе предпринята попытка построить прогностическую модель развития иммуноопосредованных нежелательных явлений с использованием статистического метода деревьев классификации (регрессионных деревьев) Регрессионные деревья – это метод классификационного анализа, позволяющий предсказывать принадлежность объектов к тому или иному классу в зависимости от соответствующих значений признаков, характеризующих объекты. Модель дает ответ на вопрос, каким будет прогнозируемое значение переменной «иммуноопосредованные осложнения» при известных значениях предикторов. Реализация этой задачи заключается в поиске таких предикторов, которые являются наиболее информативными по отношению к целевой переменной. Наиболее значимыми параметрами (из изучаемых 15 показателей) алгоритмом были отобраны следующие атрибуты: PD-L1 (на иммунных клетках), CPS, PD-L1 (на опухолевых клетках), возраст. На основе построенного дерева классификации возможно создание программы, позволяющей проводить классификацию по вероятности иммуноопосредованных осложнений у конкретного пациента, согласно его клиническим и лабораторным данным.

The toxicity of checkpoints inhibitors can be severe and even lead to death. Nowadays one of the urgent challenges is searching for predictive markers of immunotherapy toxicity. Predictive markers of immune-related toxicity may clarify the approach to stratification of patients receiving immunotherapy, providing more individualized clinical decisions. In this work, an attempt was made to build a predictive model for the development of immune-related adverse events using the statistical method of classification (regression) trees. Regression tree is a method of a classification analysis that allows to predict the belonging of objects to a particular class, depending on the corresponding values ​​of the features that characterize the objects. The model answers the question: what the predicted meaning of the variable "immune-related adverse events" will be based on the known meanings ​​of the predictors. The implementation of this task is to find predictors that are the most informative in relation to the target variable. The following attributes were selected by the algorithm as the most significant parameters (out of the 15 parameters studied): PD-L1 (on immune cells), CPS, PD-L1 (on tumor cells), age. Based on the constructed classification tree, it is possible to develop a program that predicts probability of immune-related adverse events based on patient's clinical and laboratory data.