2025年8月，生物统计学系陈峰/张汝阳教授团队在“中国科技期刊卓越行动计划”英文领军期刊《Chinese Medical Journal》（影响因子7.3、南医大高水平4类期刊）发表统计方法论文《SOTA: A Statistical Tool for Quantifying the Superiority Onset Time of PD-1/PD-L1 Inhibitor Response Based on Kaplan-Meier Graphics and its Application in a Meta-Analysis of NSCLC Randomized Controlled Trials》。该研究基于生存曲线图形，构建免疫治疗延迟效应评估方法及工具。
近年来，PD-1/PD-L1免疫抑制剂在多种实体瘤治疗中取得突破性进展，显著延长了肿瘤患者的生存期。与化疗不同，免疫抑制剂需要一段时间激活免疫系统。因此，免疫治疗常表现出延迟获益现象，即早期疗效不明显，经历一段时期才显疗。当比较免疫治疗与化疗时，两组人群的Kaplan-Meier 生存曲线存在重叠或交叉的现象，这一特征违背了Cox比例风险模型中“风险比恒定”的核心假设，使得Cox模型不再适用。此外，多数RCT不公开原始生存数据，仅正文提供Kaplan-Meier 生存曲线。如何基于生存曲线图形评估免疫治疗延迟获益的时点和真实效应，有待研究。
研究团队提出了一种新算法——SOTA（superiority onset-time algorithm），采用图像重构法还原Kaplan-Meier生存曲线和生存数据，拟合分段Cox回归模型以量化免疫抑制剂相较于化疗的优势起效时间（superiority onset time, SOT），并估计PD-1/PD-L1起效后风险比（post-onset HR），以刻画免疫治疗的真实疗效。模拟试验显示SOTA具有较强的图像重构能力和较高的SOT估计精度。
进一步，研究者将SOTA算法应用于非小细胞肺癌患者RCT数据的Meta分析。结果显示，PD-1/PD-L1抑制剂在肺癌患者中通常需约3.64个月才能在总生存期（overall survival, OS）上显现优势，起效后风险比为0.68；在无进展生存期（progression-free survival, PFS）上，SOT为3.26个月，起效后风险比为0.47。结果表明，免疫治疗通常需超过3个月方可显示疗效。起效后风险比相比常规风险比更准确地反映了免疫抑制剂的真实疗效。
SOTA算法构建及应用研究的技术路线
研究创新与特色：
(1) 基于生存曲线重构生存数据：基于文献中的Kaplan-Meier生存曲线图像重构生存数据，提供了一种可行、通用的数据获取与分析思路。
(2) 构建通用延迟效应评估框架：提出SOTA新算法，首次提出了优势起效时间和起效后风险比的概念，为其他肿瘤免疫治疗延迟效应评估提供了标准化分析方法与工具。SOTA已开源发布：https://github.com/qihanfan/SOTA 。
(3) 量化肺癌免疫治疗延迟效应：基于所有已知证据，首次量化了肺癌PD-1/PD-L1抑制剂的延迟效应。与化疗相比，免疫治疗大约3个月后显现出更好的疗效，可降低32%死亡风险。
(4) 优化临床决策与临床试验设计：SOT数值为优化临床决策（早期免疫联合治疗）和临床试验设计（样本量估计、期中分析时点、统计分析方法）提供了关键参数。
南京医科大学陈峰教授、张汝阳教授、复旦大学中山医院黄丽红教授是本文共同通讯作者。南京医科大学硕士生范启涵、博士生汪璇、硕士生王彦如、硕士生徐晓文为本文共同第一作者。密西根大学Yi Li教授、哈佛大学David C. Christiani教授、博士生Yuchen Zhao、南京医科大学邵方副教授、2019级生物统计专业本科生曹谦、复旦大学中山医院的姜棋竞、王梦瑶、刘奕玲为算法构建、论文撰写、临床解释做出了重要贡献。该研究获国家自然科学基金重点国际（地区）合作研究项目和面上项目资助。
原文链接：https://journals.lww.com/cmj/fulltext/9900/sota__a_statistical_tool_for_quantifying_the.1716.aspx