该回顾性、多中心建模研究在杭州、上海、天津、沈阳和徐州6家医院开展。训练队列包含在浙江大学医学院附属第一医院接受 BCMA CAR-T 细胞治疗的87例MM 患者，外部验证队列 (MM) 包括59例患者，外部验证队列 (NHL/ALL)包括68例患者（39例 ALL和29例 NHL）。

测量患者血清中45种细胞因子水平的时间：氟达拉滨和环磷酰胺预处理前(FCb)、氟达拉滨和环磷酰胺预处理后(FCa)、CAR-T细胞输注后第1-2天 (D1-2)、CRS峰值期(CRSp) 和 CRS 恢复期(CRSr)。其他包括基线人口统计学和临床病理学变量。

CRS的临床特征和相应的血清细胞因子谱

基线患者特征总结见表1。

训练队列 (MM)、外部验证队列 (MM)、外部验证队列 (NHL/ALL) 的重度 CRS 发生率分别为47.1%、14.5%、32.4%。重度 CRS 发生率的差异是由于产品特征和原发病特征不同，因此增加了预测重度 CRS 发生的难度。外部验证队列 (NHL/ALL) 的中位年龄小于其他两个队列 (p<0.001)。此外外部验证队列 (NHL/ALL) 中肌酐负荷较低(p=0.038)，这是因为多发性骨髓瘤多发于老年患者，且常伴有肾功能障碍。三个队列之间其他变量无显著差异。

23种细胞因子的血清浓度在 CRSp 期达到峰值，包括CD40L、CX3CL1、CXCL10、Flt3L、GZMB、IFNγ、IL1ra、IL1β、IL3、IL6、IL8、IL10、IL12、IL33、MCP1、MIP1α、MIP1β、MIP3α、MIP3β、PDL1、TNFα、VEGF和G-CSF，但CRSp期15种细胞因子的血清浓度低于输注早期或基线时的浓度，包括碱性FGF、CCL5、CCL11、EGF、IFNβ、IL1α、IL2、IL4、IL7、IL13、IL17A、IL17E、PDGFAA、PDGFAB和TRAIL。

生成列线图

训练队列的单变量 logistic 回归分析确定了18个与 重度CRS 相关的潜在因素，包括基线 Hb 和17种细胞因子。LASSO 回归模型纳入18个因素，经过排除的最终模型包括5个变量（CAR-T细胞输注后第1-2天的CX3CL1、GZMB、IL4、IL6和 PDGFAA），基于最终多变量模型，通过为重度CRS相关的每个因素分配加权评分生成列线图（图2）。

评分=2.75*log10(CX3CL1) +2.11*log10(GZMB) +1.69*log10(IL6)-3.52*log10(IL4)- 2.11*log10 (PDGFAA)-6.77。如果评分为正数，则重度CRS的发生概率大于0.5，如果评分为负数，则重度CRS的发生概率小于0.5。评分代表对数优势比，重度CRS发生概率计算如下：exp（评分）/（exp（评分）+1）。该模型在训练队列 (MM)、外部验证队列 (MM) 和外部验证队列 (NHL+ALL) 中的灵敏度分别为78%、80%和100%。

验证列线图

使用AUC、校准和 DCA 对列线图进行内部和外部验证。在训练队列中，采用 bootstrap 验证生成的偏倚校正 AUC 为0.876，高于 EASIX评分 (AUC=0.687)、CX3CL1 (AUC=0.710)、GZMB (AUC=0.636)、IL4(AUC=0.662) 、IL6(AUC=0.611) 和PDGFAA (AUC=0.601)的AUC，所有p值均<0.0001（表2）。

外部验证队列 (MM，AUC=0.907) 和外部验证队列 (ALL/NHL，AUC=0.908) 的 AUC 均保持稳定，显示了列线图极好的鉴别能力。校准图（表观和偏倚校正）与训练和独立外部验证队列中的理想线重叠，表明预测列线图和实际观察结果之间充分一致（图3）。在训练队列 (MM)、外部验证队列 (MM) 和外部验证队列 (ALL/NHL) 中，与应用列线图预测重度CRS 发生概率相关的标准化净获益阈值概率范围分别为0.15-1、0.08-0.78和0-0.9。

总结

近年来，CAR-T细胞疗法已经成为治疗复发难治性血液肿瘤的有力工具，其能否广泛采用也取决于预测和减轻相关毒性的能力。本研究开发的列线图较为简单，可用于预测血液恶性肿瘤患者 CAR-T 细胞治疗后发生重度 CRS 的风险。