mCRPC多西他赛治疗获益评估：新型预后模型助力个体化风险分层

导读

多西他赛是转移性去势抵抗性前列腺癌（mCRPC）的重要治疗选择之一，但随着雄激素受体通路抑制剂（ARPI）等治疗手段不断丰富，不同患者接受多西他赛后的临床结局存在明显差异。如何综合患者既往疾病演变及当前临床状态，进一步评估其接受多西他赛后的预后及潜在化疗获益，是mCRPC个体化管理中值得关注的问题。

2026年欧洲泌尿外科协会（EAU）年会公布的一项研究，基于接受多西他赛治疗的mCRPC患者建立预后模型，并通过内部及外部队列进行验证。研究最终筛选出6项临床可获得的预测变量，可在患者接受多西他赛时进行风险分层，并预测无进展生存（PFS）和总生存（OS），为mCRPC患者多西他赛化疗潜在获益评估及个体化风险分层提供了一种新的量化工具。

图1 研究总体设计

研究背景

尽管多西他赛在mCRPC中的疗效已经得到确立，但不同患者接受治疗后的临床结局并不一致。特别是在ARPI治疗之后，患者既往疾病进展速度、转移模式以及接受多西他赛时的疾病状态存在明显异质性，因此，仅依据某一时间点或单项指标可能难以充分反映患者接受多西他赛后的预后及潜在获益。

现有预测工具往往更多依赖静态基线特征，而对疾病随时间演变过程中产生的动态信息考虑不足。事实上，从初诊、进入mCRPC阶段到接受多西他赛治疗，患者可能经历新的转移、实验室指标改变以及体能状态变化；ARPI治疗期间疾病如何进展，也可能蕴含重要的预后信息。

基于此，本研究旨在开发并验证一种预测工具，在患者接受多西他赛时整合既往疾病演变过程和当前临床状态，预测多西他赛治疗后的PFS和OS，从而评估不同患者的预后风险及潜在化疗获益，助力个体化风险分层。

研究方法

研究首先纳入PROREPAIR-B试验（NCT03075735）中111例接受多西他赛治疗的患者作为模型开发队列。研究者采用单因素Cox回归和LASSO分析筛选与多西他赛治疗后PFS和OS相关性最强的预测因素，并据此构建风险模型。

随后，研究利用来自PROSTAC、PROSABI和PROSENZA试验的独立患者数据进行外部验证，以评价模型在不同患者群体中的预测能力。与单纯依赖治疗前某一时点指标不同，该模型特别关注患者在疾病进程中的动态变化，最终确定6项关键预测变量，涵盖患者从初诊、ARPI治疗到接受多西他赛时的多个疾病阶段。

图2 模型开发队列、外部验证队列及统计分析流程

研究结果

• 6项临床变量共同构成风险预测模型

研究最终筛选出的6项关键预测变量包括：确诊年龄、从初诊至进入mCRPC阶段的时间、接受多西他赛时的ECOG体能状态、接受多西他赛时乳酸脱氢酶（LDH）水平，以及ARPI治疗期间新发淋巴结转移和新发内脏转移情况。

这些指标并非集中于疾病的单一时间点，而是覆盖了疾病自然进程、ARPI治疗期间的疾病演变以及接受多西他赛时的临床状态。其中，确诊年龄及进入mCRPC阶段所需时间能够反映疾病进展节奏；ARPI期间新发转移体现治疗过程中疾病生物学行为的变化；而ECOG体能状态及LDH则反映患者接受多西他赛时的整体状态及疾病负荷。

图3 6项关键预测变量示意图

• 风险评分实现患者个体化分层

基于上述变量，研究进一步构建风险评分系统，并将患者划分为不同预后风险水平。Poster通过两个病例展示了该模型的实际应用方式。

例如，一例65岁患者，ARPI治疗期间出现新的淋巴结和内脏转移，从初诊到进入mCRPC阶段的时间为24个月，接受多西他赛时LDH升高且ECOG评分为1，经模型评估后被归入高风险患者。相比之下，另一例71岁患者虽然ARPI治疗期间出现新的淋巴结转移，但未出现新的内脏转移，从初诊至mCRPC的时间达到96个月，且接受多西他赛时LDH及ECOG状态相对较好，因此被归入低风险患者。

这一设计使模型不再仅仅判断患者“是否存在某个危险因素”，而是通过整合疾病演变速度、ARPI治疗期间的进展模式以及接受多西他赛时的临床状态，对接受多西他赛患者的预后进行更加综合的风险分层。

图4 高风险与低风险患者计算示例

• 模型能够区分不同PFS和OS风险人群

研究进一步评价了模型对多西他赛治疗后PFS和OS的预测能力。Poster显示，无论在模型开发队列还是独立外部验证队列中，高风险组与低风险组均呈现出不同的生存曲线趋势，高风险患者的PFS和OS均较短。

内部验证中，模型预测PFS和OS的C-index分别为0.71和0.74；外部验证中，模型预测PFS和OS的C-index分别为0.62和0.64。这提示该模型在开发队列中具有一定的风险区分能力，并在独立患者数据中保留了预测信号，但外部验证后的区分度有所下降。

因此，该模型的核心价值并非给出一个具体的“多西他赛最佳启动时间”，而是利用患者在接受多西他赛前已经积累的动态临床信息，识别接受治疗后可能具有不同PFS和OS结局的患者群体，为潜在化疗获益评估及个体化风险分层提供参考。

图5 开发队列（上）、外部验证队列（下）高、低风险组PFS及OS曲线

结论与启示

这项研究值得关注之处，并不只是建立了一个新的mCRPC预后评分，而在于其尝试利用患者整个疾病演变过程中积累的信息，更全面地评估接受多西他赛治疗后的预后。对于接受ARPI后进入后续治疗阶段的mCRPC患者而言，影响多西他赛治疗后结局的可能并非某一个孤立指标，而是疾病过去进展得有多快、ARPI治疗期间如何进展，以及患者接受多西他赛时处于怎样的临床状态。

因此，该模型纳入从初诊到mCRPC的时间以及ARPI治疗期间新发淋巴结、内脏转移等动态变量，具有一定临床启发意义。对于疾病演变较快、ARPI期间出现新的转移，同时伴LDH异常或体能状态下降的患者，模型能够识别其较高的PFS和OS风险；而疾病进程相对缓慢、接受多西他赛时整体状态较好的患者则可能呈现不同的预后轨迹。这样的风险分层有望帮助临床医生从多个维度认识患者接受多西他赛后的预后，而非依赖单一指标进行判断。

需要特别注意的是，这是一项基于接受多西他赛治疗患者建立的预后模型，而非比较不同多西他赛启动时机的随机对照研究。因此，目前结果能够说明模型识别出的高、低风险患者在接受多西他赛后具有不同的PFS和OS，但不能据此得出“某类患者应该更早接受多西他赛”或“某一时间点启动多西他赛能够改善生存”的结论。该模型当前更适合被理解为评估患者接受多西他赛后的预后及潜在化疗获益、助力个体化风险分层的工具，而非用于直接指导治疗时机选择。

与此同时，对“潜在化疗获益”的理解也需要保持谨慎。由于模型开发及验证人群均为已经接受多西他赛的患者，研究并未设置“不接受多西他赛”的同期对照，因此模型目前主要反映的是患者接受多西他赛后的预后异质性。不同风险层级是否真正对应不同程度的多西他赛相对治疗获益，仍需要进一步研究加以验证。

此外，模型在内部验证中预测PFS和OS的C-index分别为0.71和0.74，而外部验证中下降至0.62和0.64，也提示其跨队列泛化能力仍有进一步提升空间。未来需要在更大规模、治疗背景更加多样化的mCRPC患者中进一步验证其稳定性，并探索风险分层结果与实际化疗获益之间的关系。

总体而言，这项研究提供了一种基于疾病动态演变信息评估多西他赛治疗后预后的新思路。通过整合患者从初诊、ARPI治疗到接受多西他赛时的多维临床特征，该模型有望帮助识别具有不同预后风险及潜在化疗获益的患者，助力mCRPC患者个体化风险分层。未来随着更大规模外部验证以及治疗获益预测能力的进一步确认，这类动态风险模型有望为mCRPC精准管理提供更加可靠的量化参考。

参考文献

España Navarro R, Nogueira LR, Ruiz-Vico M, et al. Optimizing Docetaxel Timing in mCRPC: A Novel Prognostic Model for Clinical Practice. Presented at: EAU26; March 13–16, 2026; London, UK.

审批编号：CN-194852

有效期：2027-09-20

本材料由阿斯利康提供，仅供医疗卫生专业人士参考，不用于推广目的。若涉及具体药物使用，请参考相关药物说明书，阿斯利康不建议您将产品超说明书使用。

撰写：Brian

审校：Nobody

排版：Zelda

执行：Zelda

本平台旨在为医疗卫生专业人士传递更多医学信息。本平台发布的内容，不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议。如该等信息被用于了解医学信息以外的目的，本平台不承担相关责任。本平台对发布的内容，并不代表同意其描述和观点。若涉及版权问题，烦请权利人与我们联系，我们将尽快处理。