在这项研究中,我们建立了肿瘤生长抑制和改变剂量的AEs的暴露-反应模型,并使用它们来模拟7种乐伐替尼给药方案的潜在有效性和安全性,包括批准的24mg剂量,用于rrt-dtc患者。使用了来自乐伐替尼和安慰剂组的靶病灶直径总和的纵向肿瘤数据。甲状腺肿瘤自然KG估计为0.000932/周。KG值可与文献中报道的值相比较。使用这两个模型进行模拟的结果显示,与从选择乐伐替尼24mg用于rrr-dtc患者的观察数据很一致,支持这些暴露-反应模型在模拟乐伐替尼毒性相关剂量变化时的适用性。
改变剂量的AEs模型预测,在24周的治疗中,68.5%的患者将经历至少1次剂量减少的乐伐替尼24mg剂量批准;相比之下,67.8%的入选患者(数据截止前的整个治疗阶段)减少了剂量。类似地,模拟预测乐伐替尼24mg剂量的24周ORR为50.0%,这与SELECT的结果(24周57.5%)接近。
这些模拟预测了更低剂量的乐伐替尼14和20mg不加滴定的更有利的安全性,因为24周内至少减少一次剂量的患者比例分别为46.9%和60.8%,而24mg剂量的患者比例为68.5%。然而,与批准的24mg乐伐替尼起始剂量相比,14mg乐伐替尼的ORR(24周)预计更低。在模拟ORR的基础上,预测乐伐替尼剂量上调至24mg的方案比不上调的方案具有更好的疗效;然而,这一优势被18和20毫克剂量的安全性恶化所抵消。因此,乐伐替尼的14毫克升高滴定剂量或18毫克不升高滴定剂量被认为是具有可比疗效(24周ORR)但安全性优于已批准的24毫克剂量的可能方案。研究211(NCT02702388)选择乐伐替尼18mg方案,不上调滴定。
除了仿真建模固有的不足之外,我们的分析也有一些局限性。我们探索早期剂量修改作为安全终点,因此,累积或慢性药物毒性不考虑。此外,在暴露-反应分析中,所有导致研究药物修饰的治疗突发AEs(TEAEs)均被视为1事件;即,对所有TEAEs假定相同的暴露-响应关系。在建立肿瘤大小模型时,只考虑靶病灶,不包括非靶病灶和新病灶。在模拟不同给药方案的肿瘤大小时,假设所有给药方案的经验抵抗函数(参数组合)是相同的。然而,这可能与生物学的预期不一致。此外,尽管该模型显示了良好的预测性能,但它未能完全捕捉到数据中广泛存在的异质性。在将来改进模型的附加修改(例如,包括协变量分析)是有必要的。
模拟24周治疗的乐伐替尼(仑伐替尼)的平均剂量为19.23mg/day和24mg的剂量,这与SELECT(平均剂量17.2mg/day)中报道的相似。这支持了本研究中乐伐替尼给药的模拟方案。之前的PK/药效学模型研究已被用于检查其他多靶向激酶抑制剂的给药方案,这进一步支持了我们的方法。值得注意的是,虽然我们的疗效终点分析奥尔比PFS或整体生存,肿瘤大小建模作为治疗疗效指标相对密切反映了生存,和建模时间的肿瘤大小是一个公认的工具在pharmacometric研究。
不加滴定的乐伐替尼20mg和14mg剂量被从研究中删除,临床方案被修订,包括乐伐替尼24mg剂量不增加剂量和至少1个替代低剂量组。该研究目前正在招募随机接受乐伐替尼24毫克或18毫克开始剂量的患者,不加滴定,这已经得到了FDA和EMA的批准。
总之,我们的PK/药效学模型和后续模拟显示推荐起始剂量相对高的乐伐替尼24mg患者每天一次RR-DTC似乎提供最好的功效,但低起始剂量可能完成类似的抗肿瘤功效相似或更好的安全性。详情请扫码咨询:
请简单描述您的疾病情况,我们会有专业的医学博士免费为您解答问题(24小时内进行电话回访)