2021 TJCC 口頭論文決賽 吳教恩

各位醫師大家好 我是林口長庚血液腫瘤科吳教練醫師 我們今天跟大家分享的研究主題 是希望透過一個回顧性分析 對於non-small cell lung cancer 有EGF-R突變的病患 建立一個預測他的預後的Narrow-brown 那首先來看這裡 就是為什麼要這樣做 主要是大家知道說EGF-R mutation 第一線我們是使用標靶藥物EGF-R TKI 那在這樣情況之下 其實這個病人survival 從幾個月到好幾年 大家可能都有遇到這樣的情況 那有些病人活得很短 有些病人活得很長 那到底我們藥物可以使用多久 這範圍實在太大了 那臨牀上大概目前沒有一個好的 以及簡單的一個model 來告訴我們說預測病人 可以使用藥物使用多久 因此這樣的情況之下 我們常常都只能跟病人說一個很籠統的數字 那我們希望建立這樣的一個Narrow-brown 來幫助臨牀醫師來評估病人一個治療的效果 以及預測病人治療的一個outcome 從2011年到2018年 總共有2190位肺癌 有帶有EGF-R mutation的病患 那不管是Lesson 19 deletion 或者L88最常見的突變 他們接受第一線EGF-R TKI的藥物 主要是以第一代跟第二代的標靶藥物為主 那總共在長庚醫院四個院區 林口、嘉義、高雄以及基隆四個院區 我們回顧性的把這個Baseline characteristic 做一個收集 還有Tumor response Program-free survival以及Over-survival 收集完之後我們來做單變數跟多變數的分析 那找出來一些重要的一個Prognosis factor 跟這些factor我們建立一個Narrow-brown 來做一個風險的一個分層 那希望可以來預測病人的一個outcome 所以這裡的話 我們根據這個病人的Program-free survival 做一個單變數的分析 那單變數分析總共找到14個預後的因子 那我們把這個Tumor response把它排除掉 那主要的原因是因為我們在治療前 並沒有辦法知道病人治療後的一個Tumor response 雖然它很重要 但是因為治療前無法得知 因此把它排除掉 那最後在多變數 我們confirm有11個重要的Independent Pretreatment factor 是重要的預後因子 那這11個預後因子的Data在這邊 那我們可以看到說有哪11個重要的因子呢 包括病人的Performance score 他的Morphology是Adenal還是Non-Adenal 他的Mutation是State deletion呢 還是L858R 他是Stage是3B還是Stage 4 使用哪一種TKI 以及病患有沒有Liver Meta Brain Meta Bone Pleura Adrenal 跟Discending Phenome Metastasis 那這11個預後因子的話 根據統計學的方式 我們就會給病人assign不同的分數 那可以看到分數越低 他的PFS是越好 分數越高他的越差 那以這個 假設以這個Performance來看的話 如果是Performance 0的話他就0分 1到2的話就給他48分 如果3到4就會給病患100分 那我把這些分數加總的話 病人就會有一個Total score 那在這些重要的預後因子中 其實大部分的預後因子 我們臨牀醫師都沒有辦法做一個Modification 那原因是因為病患來了以後 他的Performance 他的Meta的位置 他的Mutation的情況 或是他的Staging 以及他的Morphology都是無法改變的 那唯一可以改變的預後因子 就是EGFR TKI的選擇 那我們在這邊可以看到說 在這裡有三個我們常見的EGFR TKI Alpha TINIBLE Alpha TINIBLE 和 Alpha TINIBLE 可以看到說第二代的TKI 他的PFS Medium PFS是14.5個月 比第一代的TKI來得更好 那他的Survival Curve看起來也是明顯的分開 也因此我們在不同TKI會給予不同的分數 那在這裡的話 大概這個EGFR TKI是唯一一個 我們臨牀醫師可以幫助病人做一個Modification 一個重要的一個預後的因子 因此我們就會建立一個Narrow Ground 那這Narrow Ground的話就會長得像這個樣子 那可以看到左邊有11個Factors 就剛剛多變數分析出來的臨牀重要的Independent Performance Factor 那不同的一個Factors的話 他有他的分數 分數越低表示他的預後越好 分數越高他預後越差 那舉例來說可以看到如果Performance0分的 或者1到2分跟3到10分都有對應的分數 那我們可以把這11個分數 全部加總在一起就是一個Total Points 那假設一個病人他是550分好了 那我可以往下對 知道說他的6個月的PFS大概是3成左右 那9個月的話大概是1成 那10個月的話12個月就更低 那假設病人的話他是0分 那他的6個月的PFS的話就是超過9成以上 那9個月超過8成以上 那12個月也超過8成以上 他的Outcome就非常的好 那接下來的話我們根據這個Total的分數的話 用一種方式叫做 Recursive Partitioning Analysis 這樣的一個方式 那我們就把各個分數根據他的分數再做分層 那首先我們就以 第一個就是以234分來做分層 那再來的話就會像這152分、282分以及404分 那分到不能再分以後呢 我們就會分出5個Risk Group 那他分數的話就是 從小於152分到大於401分 這樣子那當然分數越高他的預後就會越差 因此根據這個Narrow Ground的話 我們就把這個病人分了5組 可以看到很明顯的這5組的話 其實他整體的一個Survival Curve 不管在PFS或AOS的部分都是明顯的分開的 那如果他的分數是越高的話 最差的這一組他PFS只有5.7個月的Median 那如果是最好的這一組的話 他吃藥可以Median的PFS高長達23.2個月 所以看起來這樣的分組 的確是讓我們把病人分成這5組 那的確只有這個預後比較好這一組 他的Long Term Survival Rate是比較高的 不管在PFS跟AOS都會看到類似的情況 這最後一張Conclusion的部分的話 我們透過這樣的一個Narrow Ground的話 來給病人根據這個Pretreatment的一個Factors 那給病人一個分數 那根據這總分的話 我們可以去預測病人的一個PFS 那也可以成功的幫這個 使用標靶藥物的Non-Cancer Patient 分為5組的Risk Group 那根據這樣的情況之下的話 臨牀醫師就可以提供病人 更精確的一個預測的一個預測值 那預測他的PFS跟AOS的部分 此外也可以決定說 是否如果病人的一個Outcome可能比較差 他PFS比較短的話 是不是提供一個其他的一個替代性的選擇 例如說標靶藥物 也許我們可以建議第三代的標靶藥物 或者是從第一代第二代 加上Anti-Angiogenesis的藥物 像Avastin或者是Ramio這樣的藥物 那甚至我們可以直接在一開始的時候 就加上Chemotherapy 那來進一步的去增加病人的一個Survival的一個Outcome 那以上是我的報告 謝謝大家