WEEK 19动物模型与转化

肿瘤体积、药效终点与解释

从原始 L/W、个体曲线、TGI 和 event endpoint 判断真实药效与耐受。

组均值用于概览,个体曲线和退出原因决定结果是否可信。

L/W measurement到Tumor volume到Individual curve到TGI到Event到Tolerability的概念证据链
本周概念图:从输入、实验到可解释结论。箭头表示审查顺序,不代表单向因果。
Data clinic

TGI 105% 到底代表什么?

CASE 19

先回答:C0=105、Ct=505、T0=100、Tt=80 mm³,按变化量公式计算 TGI。

Baseline 与 Day 21 tumor volume教学数据图
教学合成数据可视化。读图时先确认单位、坐标、对照和统计层级。
变量数值含义
C0105对照 baseline
Ct505对照 Day 21
T0100治疗 baseline
Tt80治疗 Day 21
  1. Control growth = 505−105 = 400
  2. Treated change = 80−100 = −20
  3. TGI = [1−(−20/400)]×100% = 105%
计算结果治疗组均值相对 baseline 下降,因此 TGI 略高于 100%。
项目解读应表述为‘按该公式组均轻度 regression’,并展示 8 只动物中每只的 response、退出和体重。
证据边界TGI 105% 不等于杀死 105% 肿瘤,也不表示每只动物 complete response。

第 19 周学习包:肿瘤体积、药效终点与数据解释

本周核心问题

一条“漂亮”的组均值肿瘤曲线,是否掩盖了基线差异、个体无反应、毒性退出、测量误差或不一致的 TGI 公式?

一、学习目标

完成本周后,应能够:

  1. 使用并审查常见皮下瘤体积公式;
  2. 识别卡尺测量、肿瘤形状和观察者带来的误差;
  3. 区分 absolute tumor volume、change、relative volume 和 growth rate;
  4. 正确阅读 individual spider plot、group curve 和 waterfall;
  5. 解释 T/C、TGI、regression、event-free survival 和 time-to-endpoint;
  6. 明确 TGI 有多种公式,报告必须给出定义;
  7. 将 body weight、clinical signs、attrition 与 efficacy 联读;
  8. 判断数据支持 tumor stasis、regression 还是仅 growth delay。

二、学习时间安排

标准版:4 小时

学习块 时间 任务 产出
诊断 15 min 10 题 盲点清单
测量与曲线 60 min volume、individual/mean 图表审查表
药效指标 75 min T/C、TGI、response、event 公式卡
缺失与耐受 45 min attrition/censoring/body weight 风险表
计算案例 30 min 手工计算 完整算式
验收 15 min 闭卷测验 得分

深入版:6 小时

  • 阅读 NCI PDXNet consensus 的 endpoint 与图表建议 60 分钟;
  • 从原始 individual volumes 重画 spider/mean/event plots 45 分钟;
  • 比较两种 TGI 公式对同一数据的结果 30 分钟;
  • 与 in vivo/统计同事复盘一次 attrition 和 censoring 45 分钟。

三、课前诊断

  1. L×W²/2 中 L 和 W 如何定义?
  2. 组均值下降是否代表每只动物都 regression?
  3. SEM 小是否代表个体反应一致?
  4. TGI 80% 是否等于肿瘤缩小 80%?
  5. TGI 可能超过 100% 吗?如何解释?
  6. Vehicle 组提前大量退出时,Day 28 T/C 能否直接计算?
  7. 达 humane endpoint 的动物能否从图中删除?
  8. Tumor stasis 与 regression 的基线参照是什么?
  9. 一只动物多个肿瘤能否当成独立 n?
  10. 体重下降如何影响药效解释?

四、肿瘤体积测量

4.1 常见近似公式

皮下实体瘤常用:

V ≈ L × W² / 2

其中 L 为较长径、W 为与其垂直的较短径。该公式近似椭球,但不同机构可能使用不同系数或三径公式。必须在 protocol 和 report 中固定定义,不可中途变换。

4.2 教学计算

L=10 mm, W=8 mm

V = 10 × 8² / 2 = 320 mm³

若 W 测成 9 mm:

V = 10 × 9² / 2 = 405 mm³

宽度仅差 1 mm,体积增加约 26.6%,因为 W 被平方。测量一致性非常关键。

4.3 测量风险

  • 不规则、扁平、分叶或坏死肿瘤不符合椭球假设;
  • 毛发、皮肤厚度和水肿;
  • 卡尺夹压程度;
  • L/W 方向不一致;
  • observer 知道组别;
  • 同日测量顺序和时间;
  • 超大/溃疡肿瘤难以准确测量;
  • 双侧肿瘤的动物层相关性。

措施:训练、盲法、重复测量规则、仪器检查、记录原始 L/W 而非只存计算体积、必要时影像正交。

五、四种基本表达

5.1 Absolute tumor volume

保留真实大小和 humane-endpoint 意义,但 baseline 差异会影响比较。

5.2 Change from baseline

ΔV = V_t − V_0

ΔV<0 表示相对研究起始发生 regression。

5.3 Relative tumor volume(RTV)

RTV = V_t / V_0

RTV=1 为 stasis;<1 为 regression;>1 为 growth。比值可能放大小 baseline 的测量误差。

5.4 Growth rate/model-based longitudinal measure

使用所有时间点估计 growth slope 或 treatment effect,可减少任意选一天的局限,但需要预设模型、处理非线性、相关性和退出。

六、必须同时看的图

6.1 Individual spider plot

每只动物一条曲线,用于识别:

  • responder/nonresponder;
  • regression 与 regrowth;
  • measurement jump;
  • early exit;
  • 组内异质性。

6.2 Group summary curve

展示总体趋势,但需说明 mean/median、SD/SEM/CI、每个时间点 n 和退出。SEM 表示均值不确定性,不是个体变异范围。

6.3 Waterfall plot

常按最佳或指定时间点的相对变化展示。必须说明:

  • 选择哪个时间点/最佳响应;
  • baseline;
  • 退出和无可评估动物;
  • threshold。

6.4 Event-free survival plot

事件可定义为肿瘤达到某体积、倍增、死亡或其他预设标准。不同事件定义产生不同曲线,必须明确 censoring 规则。

七、T/C 与 TGI

7.1 Tumor volume T/C

一种常见形式:

T/C (%) = mean tumor volume_treated / mean tumor volume_control × 100%

它比较某时点组大小,但不直接反映相对 baseline 的 regression。

7.2 基于变化量的 TGI

一种常见形式:

TGI (%) = [1 − (T_t − T_0)/(C_t − C_0)] × 100%

其中 T_0/C_0 为治疗/对照组 baseline,T_t/C_t 为指定时点。

解释:

  • 0%:治疗组增长与对照近似;
  • 100%:治疗组平均 stasis(T_t≈T_0);
  • 100%:治疗组平均 regression;

  • <0%:治疗组增长更快。

但若 control growth 很小,分母接近零,TGI 会不稳定。

7.3 公式不可互换

有些报告用 RTV T/C、median、geometric mean 或其他定义。必须给公式、指定日期、纳入动物和缺失处理,不能只写“按照标准 TGI”。

八、Response、regression 与 durability

项目可预设:

  • stable disease/tumor stasis;
  • partial regression/response;
  • complete regression/response;
  • time to response;
  • duration of response;
  • regrowth after treatment stop;
  • event-free survival。

不同研究体系阈值不同,应遵循预设、适用的共识或项目标准。不能把组均值低于 baseline 称为每个动物 complete response。

NCI PDXNet 推荐用至少两类互补指标:一类比较 on-treatment 与 baseline(说明 regression/stabilization),另一类与 control 或 event time 比较。

九、Attrition、censoring 与 informative missingness

9.1 为什么不能静默删除

动物退出可能因为:

  • tumor burden;
  • treatment toxicity;
  • 非相关疾病/技术事件;
  • measurement unavailable;
  • humane endpoint。

这些原因与 treatment/outcome 相关时是 informative missingness。只展示仍在研究的动物会产生 survivor bias。

9.2 报告最低要求

  • 每组起始和各时点 n;
  • 每只退出时间与原因;
  • primary analysis 如何纳入/删失;
  • sensitivity analysis;
  • event endpoint 与 tumor plot 的对应;
  • 未测值不以零或随意 last observation 填充。

十、Tolerability 联读

至少并排展示:

  • individual body-weight % change;
  • clinical observations;
  • dose interruptions;
  • death/necropsy;
  • 必要的 laboratory markers;
  • exposure。

若强 TGI 只出现在明显体重下降/低活动的组,需判断肿瘤抑制是否部分来自系统毒性或整体生长受抑。

十一、计算案例

Baseline:治疗组 T0=100 mm³,对照组 C0=110 mm³

Day 21:治疗组 Tt=90 mm³,对照组 Ct=510 mm³

TGI = [1 − (90−100)/(510−110)] ×100%
    = [1 − (−10/400)] ×100%
    = 102.5%

解释:治疗组平均相对 baseline 略有 regression,因此 TGI 略高于 100%。它不意味着每只动物都 regression 102.5%,也不是“杀死 102.5% 肿瘤”。

十二、报告审查清单

十三、综合案例

候选组 Day 28 mean tumor volume 为 vehicle 的 20%,p<0.01;但 vehicle 10 只中只有 4 只仍在 Day 28,其余因肿瘤过大退出;候选组 2 只因体重下降退出且未计入均值;无 individual plot。

参考分析

Day 28 均值比较受双向 informative attrition 严重影响,不能独立支持强药效。需查看所有 individual curves、退出原因、预设 event endpoint、body weight 和分析规则;可在所有动物仍可评估的较早时点比较,并使用 event-free/纵向方法。候选毒性退出必须保留在耐受和 sensitivity interpretation 中。

十四、闭卷验收与答案

  1. 常见体积公式?——L×W²/2,但需按方案固定。
  2. W 误差为何重要?——被平方。
  3. RTV=1 表示?——相对 baseline stasis。
  4. TGI 100% 表示?——按变化量公式治疗组平均不增长,不是清除全部肿瘤。
  5. TGI>100% 可能吗?——可能,提示平均 regression。
  6. SEM 表示个体变异吗?——不是,主要是均值精度。
  7. 为什么看 individual?——异质、退出、regrowth 和异常测量。
  8. event endpoint 要定义什么?——事件、起点、censoring。
  9. attrition 为何可能有偏?——与治疗/结果相关。
  10. PDXNet 为什么建议两类指标?——同时证明相对 baseline 的反应和相对 control/事件的差异。

十五、本周最终交付物

用一套原始数据制作四图一表:individual spider、group summary、waterfall、event-free curve,以及 T/C/TGI/response/attrition 定义表;附一页解释边界。

十六、延伸阅读

  1. NCI PDXNet consensus recommendations for PDX growth and antitumor activity
  2. ARRIVE Guidelines 2.0