OncoTraj：单时间点 ctDNA/组织快照无法预测奥希替尼耐药——序列 ctDNA 监测才是前提
类型: 研究工具/基准（阴性结果） 发表日期: 2026-06-09 入库日期: 2026-06-16 来源: span-ai-labs/oncotraj (GitHub); 研究论文题为"A public benchmark for longitudinal resistance prediction in EGFR-mutant NSCLC on first-line osimertinib" 标签: 奥希替尼耐药, ctDNA, 监测策略, 预测模型, EGFR L858R, 序列检测, 阴性结果
来源
- GitHub: https://github.com/span-ai-labs/oncotraj
- 数据集：813 例一线奥希替尼 EGFR 突变 NSCLC（来自 MSK-CHORD n=672、FLAURA 分子耐药补充 n=107、AACR GENIE BPC n=34）
- 三个预测任务：A — 12个月进展（binary）；B — 进展时间（regression）；C — 耐药机制（6-class）
- Published June 9, 2026
核心发现
OncoTraj 建立了首个公开的 EGFR 突变 NSCLC 一线奥希替尼耐药预测基准。核心结论是阴性结果： 在干净的"同源评价"条件下，无论使用 logistic 回归、随机森林、XGBoost、LSTM 还是小型 Transformer 模型，单时间点的 ctDNA/组织快照特征（snapshot features）在三个预测任务上均无法胜过随机猜测。
研究团队称之为"该领域最诚实的贡献"。
关键引用：
"The binding constraint is the data modality — single-timepoint tissue/ctDNA snapshots — not the model. Serial ctDNA trajectories, not a better algorithm, are the precondition for above-chance performance."
译为：限制因素不是模型算法，而是数据模态——单时间点快照。只有序列 ctDNA 轨迹才是实现预测性能的前提条件，而不是更好的算法。
数据与设计亮点
- 训练集 691 例，测试集 122 例（泄漏审计过的拆分）
- 三个数据源的合并经过统一 schema 和严格的泄漏审计（含自动化测试）
- 全部基线模型共享同一套泄漏安全特征管道
- 可复现的公开代码和构建脚本
对妈妈的实践意义
直接相关。 这个结论对妈妈目前的监测策略有重要含义：
单次 ctDNA 检测（如一次 NGS 的 MRD 或突变监测）的预测价值有限。 仅靠"某一次"ctDNA 结果来预测未来 12 个月内是否会进展，目前的证据表明不可靠——即使在 813 例患者的大样本量下。
序列 ctDNA 监测（多次、规律检测）才有预测价值。 这意味着把前后几次 ctDNA 结果放在一起看趋势（例如突变丰度上升、新突变出现、分子水平进展早于影像学进展），而不是依赖单次"清零"或"阳性"来判断。
"影像学进展前 3–4 个月 ctDNA 已显示分子进展"这一观察（来自 FLAURA/AURA3 汇总分析）与 OncoTraj 的逻辑一致。 关键信息在轨迹中，不在快照中。
妈妈的现有 ctDNA/NGS 时间序列（如有）应被整体看待，而不是每次单独解读。
实践建议（综合）
- 保持规律 ctDNA/NGS 监测（建议至少每 3–6 个月一次），即使某次结果为阴性也不应过度放松
- 关注趋势而非单次绝对值：某次突变丰度上升即使在正常范围内的趋势性变化可能比单次高值更有预警作用
- 临床表现和影像学仍然是决策的核心，ctDNA 是辅助而非替代
- 如果医院或第三方检测平台提供"分子水平进展"或"ctDNA 反应评分"等趋势分析指标，优先选择
不确定性
- OncoTraj 基准的结论来自回顾性真实世界数据，并非前瞻性干预随机试验
- 序列 ctDNA 的频率和检测 panel 的最佳方案尚未标准化（每 2 个月？每 3 个月？是否需要 MRD 深度测序？）
- 该基准仅限一线奥希替尼单药治疗队列，奥希替尼+化疗联合方案的数据尚缺
- 已公开在 GitHub，但尚未见传统期刊正式同行评审发表（可能已投稿或待发表）