Estudio clínico sobre el uso de TCR para predecir el efecto de Tislelizumab + Quimioterapia en el tratamiento de primera línea de CPCP-EE (ES-SCLC)

El avance de la tecnología de Secuenciación de Nueva Generación (NGS) ha facilitado la detección de repertorios inmunes de células T en varios tipos de tumores sólidos, y un creciente cuerpo de investigación indica que los repertorios inmunes de células T tienen potencial como biomarcadores para la inmunoterapia; en el campo del cáncer de pulmón de células no pequeñas (CPCNP), estudios previos han sugerido que las características del repertorio basal de receptores de células T (TCR) y los cambios en el repertorio de TCR antes y después de la inmunoterapia están asociados con la eficacia inmunoterapéutica, mientras que tal exploración sigue faltando en el campo del cáncer de pulmón de células pequeñas (CPCP). Debido a limitaciones en el costo y los métodos experimentales, las bases de datos de TCR actualmente disponibles contienen información limitada, abarcando solo una pequeña fracción de pares de unión antígeno-TCR, y además, estos datos de pares de unión no logran cubrir todos los antígenos a los que cualquier TCR dado podría potencialmente unirse; para abordar este problema, la comunidad investigadora ha explorado el uso de modelos de aprendizaje automático para predecir la especificidad antigénica de TCR desconocidos y no validados experimentalmente, lo que ha mostrado viabilidad. Este estudio, como un estudio clínico observacional prospectivo diseñado para predecir la eficacia terapéutica del tratamiento de primera línea con tislelizumab combinado con quimioterapia estándar en pacientes con cáncer de pulmón de células pequeñas en estadio extenso (CPCP-EE) utilizando tecnología de repertorio de TCR, planea reclutar a 40 pacientes con CPCP-EE sin tratamiento previo, y tiene como objetivo predecir el repertorio de TCR específico de neoantígenos mediante el análisis de neoantígenos tumorales, integrando datos del repertorio de células T e información de detección de HLA clase I, y aprovechando el modelo de aprendizaje automático Multimodal-AIR-BERT, con la hipótesis de que los parámetros de este repertorio de TCR predicho pueden exhibir una correlación más fuerte con la eficacia inmunoterapéutica.