具体实施方式

为了更好的说明本发明的目的、技术方案和优点，下面将结合附图和具体实施例对本发明作进一步说明。

实施例1

非小细胞肺癌免疫检查点抑制治疗结果预测模型的构建方法

选择2062例接受ICI治疗的晚期NSCLC患者，其中包括OAK III期试验的850例患者(OAK队列)、FIR II期试验的136例患者(FIR队列)、BIRCH II期试验的667例患者(BIRCH队列)和南方医科大学南方医院的409例患者 (NFyy-ICI队列)，根据Roche临床研究数据共享的政策和流程及南方医院机构伦理审查委员会批准进行，在OAK队列中患者被分配到阿特珠单抗组和多西他赛组，FIR队列、BIRCH队列都是经PD-L1筛选的阿特珠单抗组，NFyy-ICI队列至少使用一剂ICI作为一线或后续方案的治疗。

使用SP142抗体对三个队列(OAK、FIR、BIRCH)的基线PD-L1状态进行检测，根据PD-L1染色对肿瘤细胞(TC0:<1％；TC1:≥1％且<5％；TC2:≥5％且 <50％；TC3:≥50％)或肿瘤浸润免疫细胞(IC0:<1％；IC1:≥1％且<5％；IC2:≥5％且 <10％；IC3:≥10％)的百分比进行评分。治疗前使用22C3抗体检测真实世界队列 (NFyy-ICI)中PD-L1的表达，并计算肿瘤比例评分(TPS)。肿瘤细胞或免疫细胞 PD-L1或TPS至少为1％的患者免疫组化检测为阳性。在这些队列中，OAK的 465例患者和NFyy-ICI的367例患者被检测为PD-L1阳性，而PD-L1筛选的 FIR和BICH试验的患者在入组时都被证实为阳性。

本发明中，预处理的转移器官谱包括肾上腺、脑、肝、胸膜、胸腔积液和纵隔的转移状态。

本发明的研究流程如图1所示，具体过程为：首先，通过双臂OAK队列(阿特珠单抗组和多西他赛组)发现转移器官谱中远处转移的预测和预后效果。接着，开发了一种基于转移的评分系统，称为METscore，通过综合每个转移器官的预测效应和预后效应来计算总分，从而预测ICI治疗的临床结局。最后在经 PD-L1选择的阿特珠单抗队列(FIR和BIRCH)、真实世界免疫治疗队列(NFyy-ICI) 及免疫治疗一线队列(NFyy-ICI、FIR和BIRCH)中进行了验证。

(1)转移器官谱对ICI治疗的特异性预测效应

为了描述转移器官谱对ICI治疗的预测效果，分别在OAK中阿特珠单抗和多西他赛实验中探讨了转移器官谱对生存结局的影响，绘制了基于阿特珠单抗组和多西他赛组的不同转移器官人群的OS及PFS的Kaplan-Meier曲线图及比较图，如图2所示，其中A为阿特珠单抗组的OS的Kaplan-Meier曲线，B为多西他赛组的OS的Kaplan-Meier曲线，C为阿特珠单抗组和多西他赛组的OS 比较图，D为阿特珠单抗组的PFS的Kaplan-Meier曲线，E为多西他赛组的PFS 的Kaplan-Meier曲线，F为阿特珠单抗组和多西他赛组的PFS比较图，其中图 2A和2B中总生存的数值可参考图2C，图2D、2E的总生存的数值可参考图2F。

就OS而言，在阿特珠单抗治疗的人群中，出现不同器官转移的患者的OS 存在显著差异(P＝0.0105；如图2A)。然而，接受多西他赛治疗的人群生存与转移器官无关，其OS无显著差异(P＝0.3742；如图2B)。

在阿特珠单抗组中，转移器官的两两比较显示，与肝脏、骨骼和胸腔积液的转移相比，肾上腺转移和脑转移患者有更显著的生存获益，其OS显著延长(如图2C中的下三角)。然而，对于多西他赛组，任何一对转移器官之间的OS并没有显著差异(如图2C中的上三角)。

在无进展生存期(PFS)方面可观察到一致的结果：在接受阿特珠单抗治疗的不同转移器官的患者中，存在显著的生存差异(P＝0.0167；如图2D)，但在多西他赛治疗的人群中没有显著差异(P＝0.8242；如图2E)。

与此一致的是，在两两比较中，只有阿特珠单抗组(如图2F中的下三角) 的PFS存在显著差异，而在多西他赛组(如图2F中的上三角)中没有显著差异。

(2)转移器官谱的免疫治疗预测效应依赖于PD-L1状态

鉴于PD-L1阳性(≥1％)患者免疫治疗的临床实践，为了研究以PD-L1表达水平分层的转移器官谱的预测效果，因此绘制了基于阿特珠单抗组与多西他赛组的(A)总体(B)PD-L1阳性(TC/IC≥1％)和(C)PD-L1阴性(TC/IC<1％)人群中不同转移器官类别的OS的森林图，如图3所示。

通过比较ICI治疗和化疗后的疗效发现，在OAK队列中，相对于多西他赛，阿特珠单抗的临床获益与转移器官谱之间存在明显的关联(如图3A)。

通过比较PD-L1表达水平分层的疗效发现，预测效应仅在PD-L1阳性人群中观察到(PD-L1阳性:TC/IC≥1％，如图3B；PD-L1阴性:TC/IC<1％，如图3C)。

可以发现，在PD-L1阳性人群中，不同转移器官的预测意义是不同的，甚至相反。根据它们对ICI治疗的预测价值，这些转移器官被分为两类。I类转移器官被定义为接受免疫治疗(相较于化疗)后有显著生存获益的器官，而其他被定义为II类转移器官。

对于I类器官，在肿瘤转移到肾上腺(HR 0.42，95％CI 0.25-0.70)、脑(HR 0.41，95％CI 0.19-0.88)和肝脏(HR 0.57，95％CI 0.36-0.89)的患者中，与多西他赛相比，阿特珠单抗有显著的OS获益(如图3B)。而对于骨、胸膜、胸腔积液和纵隔这些II类器官，与多西他赛相比，阿特珠单抗对这些II类器官转移的患者生存并没有益处(如图3B)。

鉴于单个I类器官转移对免疫治疗的预测作用，进一步想探究不同转移器官转移之间的预测作用是否能够协同发挥作用，因此绘制了基于不同转移器官数量的PD-L1阳性的阿特珠单抗组与多西他赛组的OS的Kaplan-Meier曲线图，如图4所示，其中

根据图4发现，在PD-L1阳性人群的I类器官转移(肾上腺、大脑和肝脏) 中具有协同预测效应。

相对于转移到单个I类器官的患者，转移到两个I类器官的患者(HR 0.59， 95％CI0.41-0.85P＝0.0048；图4C)，与多西他赛相比的阿替利珠单抗的OS获益更明显(HR 0.32,95％CI 0.14-0.76,P＝0.0013；图4B)。

为了研究I类转移器官的预测与预后效应，绘制了基于PD-L1阳性的阿特珠单抗组与多西他赛组的不同转移器官数量的OS的Kaplan-Meier曲线图，如图 5所示，其中A为PD-L1阳性的阿特珠单抗组的不同转移器官数量的OS的 Kaplan-Meier曲线图，B为PD-L1阳性的多西他赛组的不同转移器官数量的OS 的Kaplan-Meier曲线图。

在PD-L1阳性人群中，I类器官转移的出现与多西他赛组OS降低有关 (P<0.0001；图5B)，表明转移固有的不良预后效应。而阿替利珠单抗组的OS 不受I类器官转移数量的影响(P＝0.5978；图5A)，表明I类器官转移的免疫治疗特有的正向预测效应抵消了其不良的预后效应。

(3)基于转移器官谱预测ICI治疗

转移器官谱是固有预后和免疫治疗预测的决定因素，其协同作用提示应当整体进行综合评估。因此，只有结合整个转移器官谱的预后和预测，才能真正反映其对ICI治疗的影响。

为此，绘制了非小细胞肺癌免疫检查点抑制治疗结果预测模型的构建方法的Nomogram图，如图6所示。利用PD-L1阳性OAK队列，构建了一种基于器官转移谱的评分系统(METscore)来预测使用ICI药物治疗的晚期NSCLC患者的生存结局。因为使用ICI药物在PD-L1阳性OAK队列中的晚期NSCLC的治疗尤其明显(如图6A)。

在此基础上，通过基线影像学评估获得患者的器官转移情况。通过纳入器官转移状态、治疗组以及各个器官与治疗之间的交互项，进行多变量Cox比例风险回归，以描绘每个转移器官的预测和预后效应，如下表1所示。模型系数的范围标准化至-5到5的范围，并四舍五入到最接近的整数，以方便临床使用。与器官转移状态相对应的标准化分数描述了固有治疗的预后效应，而器官转移与治疗交互项的标准化分数描述了免疫治疗的特异性预测效应。

表1每个转移器官的预测和预后效应

整个转移器官谱的预后和预测效应的总分构成了预测ICI治疗后生存获益的METscore。所述模型的输入变量为七个二分类变量，0代表无转移，1代表转移，变量分别为ADRENAL(肾上腺)、BRAIN(脑)、LIVER(肝)、BONE (骨)、PEFF(胸腔积液)、PLEURA(胸膜)、MEDIA(纵隔)。具体计算如下：

预后分数＝3×ADRENAL+2×BRAIN+5×LIVER+1×BONE +1×PEFF+0×PLEURA+0×MEDIA。

预测分数＝(-5)×ADRENAL+(-5)×BRAIN+(-3)×LIVER+1× BONE+2×PEFF+0×PLEURA+1×MEDIA。

METscore＝预后分数+预测分数。

在阿特珠单抗人群中评估了METscore使用不同截点值(0～5)对免疫治疗的预测作用(如图6B)。与METscore较高的患者组相比，METscore较低的患者组有更长的OS，如果选择更严格的截点值(4和5)，可以发现两组间的OS 差异会增大(如图6B)。在实际应用中，通过权衡生存效益和每组的最小比例，确定了MET评分的最优截点值，对应于最大选择秩统计量所得的3。依据最优截点值(≥3vs<3)对METscore作二分类，将患者分为METscore-High(METscore≥3)和-Low(METscore<3)两类。

为了能更好地服务于广大适用人群，使之能够简单地应用本模型，这里提供了METscore计算的网页工具(https://metscore-ici.github.io/Pages/)，如图7所示，以区别METscore高低风险人群。

实施例2

预测模型的验证与比较

(1)METscore能够识别免疫检查点抑制治疗的获益人群

首先，METscore系统在PD-L1选择的OAK队列、两个单臂临床队列(FIR 和BIRCH)以及真实世界队列(NFyy-ICI)队列中进行了验证。

为此，绘制了基于OAK、FIR、BIRCH、NFyy-ICI的PD-L1阳性人群中不同METscore的OS的Kaplan-Meier曲线图，如图8所示，其中A为OAK队列的阿特珠单抗组不同METscore的OS的Kaplan-Meier曲线，B为OAK队列的多西他赛组不同METscore的OS的Kaplan-Meier曲线，C为FIR队列的阿特珠单抗组不同METscore的OS的Kaplan-Meier曲线，D为BIRCH队列的阿特珠单抗组不同METscore的OS的Kaplan-Meier曲线，E为NFyy-ICI队列的阿特珠单抗组不同METscore的OS的Kaplan-Meier曲线。

首先评估了在PD-L1阳性OAK队列中METscore的区分表现。

在阿特珠单抗治疗的人群中，METscore-Low组患者的OS明显长于 METscore-High组患者(HR 0.48,95％CI 0.32-0.72,P<0.0001；如图8A)。相比之下，在多西他赛治疗的人群中，METscore-Low组和-High组之间的OS没有显著差异(HR 0.73,95％CI 0.49-1.07,P＝0.0805；图8B)。

在FIR队列中，METscore-High与METscore-Low两组之间OS有显著差异 (HR 0.57,95％CI 0.33-0.97,P＝0.0350；如图8C)；在BIRCH队列中，也观察到 METscore-Low组OS较METscore-High组显著延长(HR 0.53,95％CI 0.40-0.71, P<0.0001；如图8D)。

除此之外，在NFyy-ICI队列中METscore的泛化性也得到了证实，相对于METscore-High组，METscore-Low组的OS也有所延长(HR 0.60,95％CI 0.39-0.92,P＝0.0181；如图8E)。

这些结果表明，METscore能够无创识别ICI治疗的受益者，即METscore-Low 患者。

(2)METscore在一线治疗队列中的推广

接着，考虑到ICI已经成为晚期非小细胞肺癌的一线治疗手段，因此也评估了METscore在一线治疗的鉴别表现。

为此，绘制了基于FIR、BIRCH、NFyy-ICI的PD-L1筛选的人群中接受一线免疫治疗后不同METscore的OS及PFS的Kaplan-Meier曲线图，如图9所示，其中A为FIR、BIRCH队列中接受一线免疫治疗不同METscore的OS的 Kaplan-Meier曲线，B为FIR、BIRCH队列中接受一线免疫治疗不同METscore 的PFS的Kaplan-Meier曲线，C为NFyy-ICI队列中接受一线免疫治疗不同 METscore的OS的Kaplan-Meier曲线，D为NFyy-ICI队列中接受一线免疫治疗不同METscore的PFS的Kaplan-Meier曲线。

在一线FIR/BIRCH队列中，无论是OS(HR 0.44,95％CI 0.23-0.83,P＝ 0.0087；如图9A)还是PFS(HR 0.56,95％CI 0.35-0.91,P＝0.0180；如图9B)，与METscore-High的患者相比，METscore-Low的患者的生存期明显更长。

在一线NFyy-ICI队列中，无论是OS(HR 0.51，95％CI0.29-0.90，P＝0.0182；如图9C)还是PFS(HR0.45，95％CI0.25-0.80，P＝0.0045；如图9D)，也表现出了METscore-Low组的生存结局显著优于METscore-High组。

综上，METscore在两个单臂FIR和BIRCH队列以及真实世界的NFyy-ICI 队列中均能显示出很高的临床预测价值。

虽然本发明是通过优选的具体实施例进行说明，但是对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。