摘要CT116：在首次人体试验LP-184剂量递增研究中，基于数据的血小板计数和丙氨酸氨基转移酶动态特征分析 免费

《Cancer Research》：Abstract CT116: Data-driven characterization of platelet count and alanine aminotransferase dynamics in the first-in-human LP-184 dose escalation trial Free

肿瘤激活药物LP-184的I期剂量递增试验中，通过机器学习分析血小板和ALT动态变化，发现剂量和基线PLT是血小板减少的关键预测因子，ALT升高与既往脑胶质瘤治疗相关，支持数据驱动安全评估。

　　

打开图形查看器

摘要

背景：

在首次人体剂量递增的肿瘤学试验中，安全性分析通常仅限于对不良事件和具有临床意义的实验室异常值的描述性统计。这种方法可能无法完全捕捉时间动态以及患者基线特征和剂量递增的综合作用。在这里，我们利用数据分析技术（包括机器学习）从LP-184试验（NCT05933265）中提取更深入的见解。LP-184是一种肿瘤部位激活的酰基呋喃前体药物，在细胞内氧化还原酶前列腺素还原酶1的生物激活后能够烷基化DNA。在该试验中，共有63名患有晚期实体瘤的患者参与了12个剂量组的研究。LP-184在每21天周期的第1天和第8天通过30分钟的输注给药，直到疾病进展或出现不可接受的毒性。需要调整剂量的最常见治疗相关不良事件是血小板计数（PLT）下降和丙氨酸氨基转移酶（ALT）升高。

方法：

分析了纵向的PLT和ALT数据，以了解时间趋势和患者间的差异。通过相关性分析探讨了PLT和ALT的最大变化与基线特征、暴露量和时间之间的关系。应用线性回归、逻辑回归和决策树建模来识别具有临床意义的PLT和ALT异常的预测因子。

结果：

PLT通常在第二个周期达到最低值，且接受较高剂量治疗的患者中这一现象更为常见。相关性分析和线性回归表明，基线PLT值和单次输注总剂量是预测PLT最低值的关键因素。一个使用基线PLT值和剂量来预测PLT下降程度≥2级的逻辑回归模型的接收者操作特征曲线下面积（AUC）为0.9。决策树模型（kappa = 0.82）进一步显示，基线PLT值低于199 K/μL且剂量高于10 mg（大约为第7级及以上）的患者发生PLT下降程度≥2级的风险较高（0.82）。ALT水平通常在第一个周期达到峰值，并与剂量有中等程度的相关性，但与基线肝脏病变无明显关系。之前接受过胶质母细胞瘤治疗的患者中，ALT升高程度≥2级的现象更为常见。与PLT相比，机器学习模型在预测ALT变化方面的性能较低。

结论：

在LP-184试验中的数据驱动分析确定了PLT下降（第二个周期）和ALT升高（第一个周期）的风险窗口。基线PLT值和剂量是关键预测因子，有助于对PLT下降程度≥2级进行建模。我们的研究支持在I期研究中整合深入的数据分析，以便更早地发现安全信号，并为后续研究中的主动安全监测和剂量选择提供依据。

引用格式：

Jianli Zhou, Daruka Mahadevan, Jay Parekh, Marc Chamberlain, Kishor Bhatia, Reginald Ewesuedo. 首次人体剂量递增试验LP-184中血小板计数和丙氨酸氨基转移酶动态的数据驱动特征分析 [摘要]。载于：2026年美国癌症研究协会年会论文集；第二部分（晚期突破性研究、临床试验和特邀摘要）；2026年4月17-22日；加利福尼亚州圣地亚哥。费城（PA）：AACR；Cancer Res 2026;86(8_Suppl):Abstract nr CT116。