DLL3陽性CTCの判定に何個の細胞が必要か

Daiki Kumakura · 2026-11-17 · Technical note · 1.0

Tarlatamab研究の公開CTC表20患者を再集計。20 mL換算数と実測分母を区別し、25%判定の条件付き精度と固定測定数の設計計算を示す。

On this page

DLL3陽性のCTCが75%だった。4個中3個なのか、400個中300個なのか。同じ割合でも、25%という判定境界に対する確かさは違う。

Tarlatamab治療前の循環腫瘍細胞(CTC)を調べたMishraらの研究では、DLL3陽性割合25%を境界とした臨床的ベネフィットとの関連が報告された (1)。本稿では公開補足表の20患者を再集計し、測定細胞数が少ない場合に、この境界をどれほど確かに判定できるか調べる。

確認範囲は次のとおりである。Mishraらの論文は全文(PMC掲載版)と補足表S3 (2) を読んだ。後述する2026年9月のプレプリントは抄録だけを読み、方法や図表は確認していない。二項分布による区間とベータ二項分布による感度分析は、原著の報告ではなく本稿の計算である。

先にデータ上の制約を書く。補足表のCTC数は20 mL換算値であり、実際に数えた細胞数そのものとは限らない。そこで実測分母を一意に置かず、公開情報と仮定に整合する範囲を計算した。別途行う測定数の設計計算も、実患者の再採血結果とは区別する。

問いと用途

QOI:DLL3陽性CTCの25%という判定は、数えた細胞数によってどれだけ不確かになるか。

COU:次のバイオマーカー検証研究で、固定した測定数や判定保留の扱いを検討するための解析。患者の治療適応や投与量を決める用途は含めない。

ここでいう陽性割合は、この測定法でCTCと同定された細胞中の割合である。原著では、10〜20 mLの全血をCTC-iChipで白血球除去して濃縮し (3)、造血マーカー(CD45・CD66b・CD16)陰性で、上皮マーカー(EpCAM・pan-CK・CK19)またはDLL3が陽性の細胞をCTCとしている (1)。上皮マーカーもDLL3も検出されない腫瘍細胞は、この分母から抜け得る。原著は、DLL3陽性CTCの多くが上皮マーカーを欠くと報告している(原著の記載では、DLL3のみ陽性が58%、上皮マーカーのみ陽性が31%、両方陽性が11%)。DLL3陽性であること自体が、細胞が分母に入る条件の一つになっている。したがって、この割合は全腫瘍細胞のDLL3陽性割合を直接測ったものではなく、分母の定義から上方に偏り得る。

細胞ごとのDLL3陽性は、蛍光強度が閾値20(8ビット画像、0〜255)を超え、細胞質内の分布が妥当であることを条件に、3人の解析者の合議で判定されたと記載されている (1)。原著は、DLL3の発現が個々のCTCで強陽性か陰性に分かれ、中間は少ないと述べている。この記載は細胞ごとの二値判定という前提と矛盾しないが、二値の境目そのものが強度の閾値に依存する。

補足表にある数値とない数値

原著は32患者から採血し、規定した条件を満たした20患者を反応評価に用いた。除外された12患者の内訳は、追跡画像の不足2、基準時検体・CTC評価の不足3、活動性脳転移2、肺外の神経内分泌癌2、形質転換SCLC 3である (1)。25%はこの20患者で新たに最適化した閾値ではなく、既報の注釈を参照して適用した値である (1)。

既報の値を使ったことと、このCTC測定法の25%閾値が独立集団で臨床検証されたことは別である。原著の低値群は0〜20%、陽性群は33〜100%であり、25%の直近に症例がない。S3の表示値から確認できるのは、20%超33%未満のどこに閾値を置いても、この20患者の分類は変わらないという点である。分類が分離していることは、25%が最適であることも、境界近傍の測定精度が高いことも示さない。本件の25%は既報の注釈であり、この20患者で選んだ値ではない。ただし、連続量の予測因子を閾値で二分する方法には、情報の損失と、データから選んだ閾値の効果の過大評価という既知の問題がある (4, 5)。原著自身も、閾値の最適化と多施設での検証が必要だと限界に記している (1)。

補足表S3 (2) の20行をCSVへ転記し、PDF画像と再度照合した。以下の数値は analysis/run.py による再集計である。

表1. 公開補足表の対象患者と取得できた情報。

Item Result or availability
Patients 20
Sum of CTC counts normalized to 20 mL 2,987
Median CTC count normalized to 20 mL 40
CTC count normalized to 20 mL below 10 5 patients
Displayed positivity at least 25% 11 patients
Actual positive and total cell counts per patient Not reported
Processed blood volume per patient Not reported; Methods specifies 10–20 mL per collection

S3の1 mLあたりの列は、20行すべてで20 mL換算値を20で割った値に一致した。換算数が採血量で割った実測計数ではなく、20 mL基準へ揃えた値であることは、原著Methodsにも「最終的なCTC数を基準血液量20 mLへ換算した」と記載されている (1)。

2,987は換算値の合計であり、この解析では独立に測定された生カウントの合計と同一視しない。患者の割合も、細胞数で重み付けして一つにまとめない。ただし、原著本文は2,987を、ベースラインでスコアリングしたCTCの総数と記述し、反応別にも合算している(PR 7例で2,103個中1,868個が陽性、SD 6例で285個中182個、PD 7例で599個中52個)。S3の換算数と表示割合から換算数×割合の合計を計算すると2,102.19となり、原著の反応別の陽性数の合計2,102と一致した。つまり原著の合算値も換算値と表示割合から作られているとみて矛盾せず、この一致は実測分母が何であるかを決めない。一方、原著のマーカー別の内訳(DLL3のみ1,727、両方328)から求めるDLL3陽性の合計は2,055で、反応別の合計とは47個(2,987の1.6%)異なる。この差の原因は公開情報から特定できなかった。反応別の割合(89%、64%、9%)は細胞数で重み付けした合算であり、少数の高カウント患者に支配される。患者ごとの割合の分布を表すものではない。

S3には陽性割合が整数%で記載されている。その11陽性患者の中央値は再集計では80%で、本文の76%とは一致しない。換算数の合計、中央値、陽性・低値の人数は本文と整合した。中央値の差を推測で修正せず、本稿の患者別測定解析にはS3の表示値を用いる。臨床的ベネフィットの集計は本文の報告値を別に扱う。

もう一点、本文とS3の対応に確認できない箇所がある。本文は、患者1と患者8がベースラインで多数のCTCを持ち、陽性割合がそれぞれ100%と75%だったと記述している (1)。S3で75%の行は008(4個/20 mL)だけで、100%の行は001(1,416個)と040(87個)である。患者8が008なら、4個は「多数」とは読めない。本文の患者番号とS3のIDが同一かどうか、公開情報だけでは確定できない。以下ではS3のIDで患者を呼び、本文の患者番号との対応は、患者1・17・18が低値群・高値群の記述と矛盾しない範囲でのみ用いる。

実測分母が不明な場合の計算

既知の実測総数を \(n\)、陽性数を \(k\) とすれば、独立な細胞という仮定の下で、

\[ k\sim\operatorname{Binomial}(n,p) \]

と書ける。\(p\) は同じ採取・同定・判定過程における陽性割合である。既知の \((k,n)\) に対する個別の95%区間にはClopper–Pearson法 (6)を使う。この方法は被覆確率が名目水準以上になるように作られ、多くの \((k,n)\) で名目より保守的(広め)になる。別の区間法に比べて区間が広く出ることは、以下の結果の読み方に関わる (7)。

今回は \(k,n\) が公開されていないため、20 mL換算数 \(c\) と表示割合 \(r\) に適合する整数の組を列挙した。

\[ \mathcal S_i=\left\{(k,n):\exists v\in[10,20],\quad \left|\frac{20n}{v}-c_i\right|\le0.5,\quad \left|100\frac{k}{n}-r_i\right|\le0.5\right\}. \]

採血・処理量の範囲は原著Methodsに基づく。換算数の±0.5と陽性割合の±0.5パーセントポイントは、丸め規則が公開されていないために置いた仮定である。換算数と割合が同一の測定細胞集合から算出されたことも仮定する。

各組の区間 \([L(k,n),U(k,n)]\) から、

\[ \left[\min_{(k,n)\in\mathcal S_i}L(k,n),\quad \max_{(k,n)\in\mathcal S_i}U(k,n)\right] \]

を計算した。以下ではこれを条件付き区間の包絡と呼ぶ。実測分母を復元した値でも、測定法として検証済みの患者別信頼区間でもない。仮定が成立しなければ適用できない。複数患者を同時に95%で覆う区間でもない。

高い陽性割合でも細胞数が少ない例

20患者の条件付き区間の包絡。点は補足表の陽性割合、線は整数カウント候補から求めた包絡、右側は20 mL換算CTC数。橙色は25%をまたぐ。

図1. 20患者の条件付き区間の包絡。点は補足表の陽性割合、線は整数カウント候補から求めた包絡、右側は20 mL換算CTC数。橙色は25%をまたぐ。

図1は患者ごとの表示割合と条件付きの包絡である。20患者中8患者の包絡が25%をまたいだ。これは、その患者の分類が誤っている確率や、誤分類された患者数を表していない。

またぐ8患者(P004、P007、P008、P011、P016、P024、P030、P034)のうち、表示割合が25%以上の陽性は3患者(P004、P008、P030)、25%未満の低値は5患者である。S3の表示割合が33〜50%の3患者(P004、P030、P041)のうち2患者(P004とP030)が含まれる。この3患者は原著が述べる中間群の3患者(全員SD)に相当すると読めるが、その対応は75%の扱いからの推定である。他方、原著が低値群で腫瘍縮小を示したと述べる患者17と18に対応するS3のP017(185個)とP018(97個)の包絡は、それぞれ2.7〜14.7%と0.3〜11.9%で、25%をまたがない。これらの包絡では、反応のあった低値例を「測定法内の真の割合が25%以上だった」と読み替える根拠は得られない。ただし、区間に含まれない値が不可能になったわけではなく、少数細胞の誤差を完全に否定した結果でもない。原著は患者17についてDLL3のスプライシング異常が診断用抗体の認識部位に近接し、この測定でのスコアリングを妨げたとみられると述べている (1)。

表2. 患者別の換算数と条件付き区間の包絡。

Original patient ID Count normalized to 20 mL Displayed positivity Compatible raw total range Interval envelope
P004 9 33% 6–9 4.3–77.7%
P008 4 75% 4–4 19.4–99.4%
P024 5 0% 3–5 0.0–70.8%
P030 2 50% 2–2 1.3–98.7%
P034 5 20% 5–5 0.5–71.6%
P041 85 45% 44–85 30.2–61.2%

例えばP030の換算数2・表示割合50%には、今回の仮定では \((k,n)=(1,2)\) だけが適合する。しかし、これは原著に生カウント1/2が掲載されていたという意味ではない。P008の75%も、条件付きの包絡は25%をまたぐ。表示割合の大きさだけでは、境界に対する精度は決まらない。

丸め許容幅を±1パーセントポイントへ広げても、25%をまたぐ患者数は8であった。全検体を20 mL処理したという追加仮定では7となった。分母の不明さをどこまで許すかで結果が変わる。詳細は outputs/tables/rounding_volume_sensitivity.csv に保存した。区間の種類にも依存し、同じ整数組の候補にWilson区間またはJeffreys区間を用いると、またぐ患者は7(P008が外れる)になった。この追加計算は、下記の補助スクリプトで再現できる。8という数は、保守的なClopper–Pearson区間を使い、分母候補の和集合を取った場合の値である。

もう一つ、分母の問題とは別に、少数カウントの患者には細胞の同定そのものの誤りが関わり得る。原著は、がんのない健常対照5人でも、マーカー陽性細胞が中央値0.2個/mL、平均0.18個/mL、範囲0〜3個/10 mLあったと記載している (1)。20 mL換算では中央値4個、平均3.6個、最大6個に相当し、換算数が6以下のP008(4)、P024(5)、P030(2)、P034(5)の数と同じ桁にある。健常対照のマーカー陽性細胞が患者のCTCと同じ定義で数えられたか、DLL3をどの割合で発現したかは、確認した範囲では分からない。したがって、少数カウントの患者で背景の細胞が分母や分子に混じる可能性は、二項分布による区間には含まれていない。

固定した細胞数で判定した場合

次は実患者の推定ではなく、将来の測定計画を考えるための設計計算である。真の測定法内陽性割合 \(p\) を指定し、固定した \(n\) 個を数えるとき、観測割合が25%の反対側へ出る確率を二項分布から厳密に計算した。乱数シミュレーションは必要ない。

計算上は \(k/n\ge0.25\) を陽性とした。原著の20患者に表示値25%の例はないが、少数細胞の設計計算では境界上の扱いが効くため、この規則を明示している。

\[ P_{\mathrm{mismatch}}(n,p)= \begin{cases} P(K\ge\lceil0.25n\rceil),&p<0.25,\\ P(K<\lceil0.25n\rceil),&p>0.25. \end{cases} \]

\(p=0.25\) には正しい側を割り当てず、誤分類確率を定義しない。

表3. 固定測定数と指定陽性割合に対する判定不一致率。

Actual cells counted p=20% p=30% p=24% p=26%
20 37.0% 23.8% 54.4% 37.5%
100 13.1% 11.4% 44.5% 37.2%
200 4.9% 5.1% 39.7% 34.8%
500 0.4% 0.6% 31.6% 28.9%

表は「指定した真の割合が属する側」と観測分類が一致しない確率である。治療反応の予測誤差ではない。20%と30%なら500細胞の条件で1%未満になる一方、24%と26%では500細胞でも大きな不確かさが残る。必要数は、境界からどれだけ離れた検体を判定したいかに依存する。

同じ計算で、不一致率が5%以下になる真の割合の範囲を概算した(0.05パーセントポイント刻みの格子で探索した値で、鋸歯状の変動のため境界付近の厳密な値ではない)。数えた細胞が20個なら約10%以下または約40%以上、50個なら約16%以下または約36%以上、100個なら約18%以下または約32%以上、500個なら約22%以下または約28%以上である。独立な細胞を仮定しても、25%に近い検体は、数百個を数えても5%未満の不一致にはならない。この追加計算も、下記の補助スクリプトで再現できる。

真の陽性割合が20%・30%または24%・26%の場合の固定細胞数と判定不一致確率。整数個の陽性数で判定するため曲線は鋸歯状になる。

図2. 真の陽性割合が20%・30%または24%・26%の場合の固定細胞数と判定不一致確率。整数個の陽性数で判定するため曲線は鋸歯状になる。

図2の細かな鋸歯状の変化は数値計算の誤差ではない。陽性判定に必要な最小整数 \(\lceil0.25n\rceil\) が段階的に変わるためである。ある一つの \(n\) で5%を下回ったことから、すべてのより大きい測定数で必ず5%未満になるとは判断しない。離散データに由来する同種の不規則な変動は、二項区間の被覆確率でも知られている (7)。

細胞が独立でない場合

同じ処理条件や細胞集塊などの影響で、個々の陽性・陰性判定が独立でない場合を感度分析した。ベータ二項分布 (8) を用い、平均割合 \(p\) を固定して相関係数 \(\rho\) を変えた。

\[ K\sim\operatorname{BetaBinomial}(n,a,b),\quad a=p(\rho^{-1}-1),\quad b=(1-p)(\rho^{-1}-1). \]

\[ \operatorname{Var}(K/n)=\frac{p(1-p)}{n}\{1+(n-1)\rho\}. \]

これは全細胞に交換可能な相関を置く便宜的な過分散モデルであり、今回の患者表から \(\rho\) を推定したものではない。\(p\) は繰り返す測定過程の平均とする。不一致率もこの指定した平均の側に対して計算し、個々の患者で既知の真値に対する誤分類率とは扱わない。実際の細胞集塊サイズや系統的な判定バイアスを推定・補正するモデルでもない。

表4. 仮定した細胞間相関による不一致率の変化。

Assumed correlation ρ Mismatch at p=30% with 500 cells
0.00 0.6%
0.01 15.5%
0.05 33.7%

ベータ二項分布による過分散感度分析。相関は患者データから推定せず指定している。

図3. ベータ二項分布による過分散感度分析。相関は患者データから推定せず指定している。

表4で \(\rho=0.01\) のわずかな相関が不一致率を0.6%から15.5%へ変えるのは、分散が \(1+(n-1)\rho\) 倍になるためである。分散だけに注目した有効標本数 \(n/\{1+(n-1)\rho\}\) は、500個を数えても \(\rho=0.01\) で約84個、\(\rho=0.05\) で約19個にとどまる(これらも補助計算の値)。有効標本数は割合の分散だけを一致させる尺度であり、分布の形や判定境界付近の確率まで一致させない。表3の100個で11.4%、20個で23.8%という値も、84個・19個の直接計算ではない。表4の不一致率は、有効標本数から換算せず、ベータ二項分布そのものから求めた。

相関を仮定すると、細胞数を増やすだけでは独立二項計算と同じ改善は得られない。図3は「実際の相関がこの値だ」と主張するものではない。公開された20患者の表には、同一患者の繰り返し測定がないため、\(\rho\) が0に近いのか0.01なのか0.05なのかをこのデータから識別できない。独立性を確認せず、二項分布の必要数だけを実験計画へ採用すると過信につながることを示す。

臨床的ベネフィットの集計との違い

原著の臨床的ベネフィットは部分奏効(PR)と病勢安定(SD)の合計である。本文の集計では、DLL3陽性11患者全員がPRまたはSDで、低値9患者中2患者がPRまたはSDだった (1)。この集計から再計算した値は以下である。

表5. 原著の臨床的ベネフィット集計からの指標。

Metric Numerator/denominator Estimate Individual 95% binomial interval
Sensitivity 11/13 84.6% 54.6–98.1%
Specificity 7/7 100.0% 59.0–100.0%
Positive predictive value 11/11 100.0% 71.5–100.0%
Negative predictive value 7/9 77.8% 40.0–97.2%

感度と特異度は、原著が報告する値(感度85%、95%信頼区間55〜98%、特異度100%、片側97.5%信頼区間59〜100%)と丸めの範囲で一致する (1)。これは元の20患者における指標であり、独立集団での検証ではない。表の区間は、記録された測定結果で患者を分類したときの臨床的な関連を要約する。その目的では、各患者の測定値が潜在的な真の陽性割合と完全一致する必要はない。ただし、採血や細胞判定を繰り返したときの分類の再現性や、潜在的な真の割合に基づく分類の性能は別の問いであり、細胞レベルの区間をこの表に付けるだけでは評価できない。実際、陽性11人のうち3人(P004、P008、P030)は、表2・図1のとおり、今回の仮定の下で真の割合が25%未満である可能性を排除できない。潜在割合に対する測定誤差をモデル化するには、少なくとも患者別の実測陽性数・総数や測定の再現性に関する情報が必要であり、公開表だけからは計算できない。細胞レベルの区間を付けても、臨床的な感度や特異度の検証が済むわけではない。単群の治療集団なので、他の治療に比べてベネフィットが大きくなる患者を識別する治療効果予測バイオマーカーかどうかも、この比較だけでは決まらない。原著も、代替レジメンに対する予測値の検証を今後の課題としている (1)。

2026年9月の別のプレプリントは、組織IHCとtarlatamab治療成績の関連を報告している (9)。抄録によると、54患者のIHC陽性細胞割合について75%超と75%以下で治療継続期間に差があり(10.1か月と2.9か月、p = 0.036)、PRの患者とPDの患者のIHC陽性割合の中央値はそれぞれ80%と40%だった。測定対象も閾値も異なるため、CTCの25%判定の外部検証としては使わない。一方、Mishraらは自施設の18患者の保存組織IHCがベネフィットの予測に乏しかったと報告しており (1)、組織IHCの予測能については二つの報告が一致していない。この食い違いは、集団と測定条件が異なるため、本稿の計算では解消できない。

細胞数を増やしても消えない誤差

公開表だけでは、全検体に共通する必要細胞数は決まらなかった。包絡の幅には実測分母が不明という制約があり、細胞集塊や前処理、CTC同定とDLL3抗体の判定誤差は独立二項モデルに含まれていない。

とくに抗体の認識部位の違いでDLL3が見かけ上低くなる場合、数える細胞を増やしても偏りは直らない。原著のスプライシング例では、診断用抗体の認識部位に隣接する細胞質側のスプライシング異常が、治療薬が標的とする細胞外ドメインとは無関係に、この測定でのスコアリングを妨げたとみられている。原著は、診断抗体と治療抗体を対応させる必要性を示唆している (1)。この解釈は1例に基づく。

固定数での区間計算は、有意になるまで細胞を追加する逐次測定の評価でもない。ここで計算した判定の確かさは、指定した測定法と分母の仮定に限られる。

結果が原著の解釈と検証設計に与える含意

原著の20患者の分類について、次の三点が言える。第一に、S3の表示値だけでは、25%という閾値の位置を20%超33%未満で動かしても分類は変わらず、閾値自体は今回のデータから支持も否定もできない。第二に、20患者のうち12患者では、仮定の範囲で包絡が25%をまたがず、反対側の潜在割合は区間外となる。第三に、8患者では包絡が両側に及び、その中に11/11という陽性的中率を構成する3患者が含まれる。ここで変わるのは潜在割合についての不確かさで、S3の表示値による分類自体が変わったわけではない。原著の感度・特異度が高いという結果と、境界近傍で細胞数が少ない患者の分類が不確かであることは両立する。後者は前者を否定せず、原著の区間にも含まれていない。

本文の患者17・18とS3のP017・P018が対応するという条件では、両者の包絡は25%未満にとどまった。ただし患者18は標的病変が縮小しても新病変のためPDとされ、PR+SDで定義した臨床的ベネフィットの例ではない (1)。この2例だけから、集団全体の分離が計数誤差の影響を受けていないとは判定できない。抗体の認識部位、分母の定義、背景細胞による偏りも、二項区間の対象外である。

検証研究で判定精度を考える際には、採血量よりも、CTCと同定してDLL3を判定できた細胞数が重要になる。S3の換算数の中央値は40個で、20 mL換算で200個以上を持つ患者は20人中5人にとどまる。独立な細胞を仮定しても、不一致率は、200個・p=20%で4.9%、p=30%で5.1%と、5%付近になる(表3)。両側を一律に5%以下と断定はできない。50個の場合も、5%以下となる割合の範囲は境界の両側で対称ではない。中央値2個/mLから単純に換算すれば200個は100 mL相当になる。ただし、これは回収効率と細胞濃度が一定という算術であり、100 mLを処理する実施可能性や期待回収数を検証した採血計画ではない。一方、細胞間の相関は、数える細胞数を増やしても消えない。この相関の大きさは、同一患者の独立した繰り返し測定がなければ識別できず、公開表からは得られない。

他の報告を読むときの含意は、割合と閾値を比較する主張には、割合だけでなく数えた細胞数(\(k\) と \(n\))が必要だという点である。S3のように換算値と割合だけを示す表からは、閾値に対する区間を作れない。

結論

冒頭の問いに対する答えは、陽性割合が高くても、25%を超えていると確かに判定できるとは限らない。Mishraらの公開表20患者では、実測分母が不明なまま整数組の候補を列挙すると、8患者の区間が25%をまたいだ。区間法の選び方で7にもなる。独立な細胞を仮定した設計計算では、25%から約5パーセントポイント離れた検体でも約200個、境界から1パーセントポイントの検体では500個でも不一致が約3割残る。細胞間の相関が0.01あるだけで、500個の効果は有効標本数約84個に下がる。原著の高い感度と特異度は、少数カウントの患者の分類不確実性とは別の水準の結果であり、潜在的な真の陽性割合に対する測定誤差を含めた評価に必要な分母と反復情報は公開されていない。この結論は、条件付きの二項計算と指定した相関の感度分析に基づく。

データとコードの公開状況

入力CSV、解析コード、検査コード、結果表を解析一式に収録した。原著PDFの再配布はせず、取得先とSHA-256を記録する。独立二項とベータ二項の確率は分布関数で計算するため、乱数シードは使わない。

python -m pip install -r requirements.txt
python analysis/run.py
python -m unittest discover -s tests -v

図1と患者別の値は patient_interval_envelopes.csv、図2・3は fixed_n_design.csv、臨床集計は published_aggregate_metrics.csv から追跡できる。数値は outputs/tables/、実行環境と主要集計は outputs/results.json に保存される。

本文で補助計算とした数値(Wilson区間・Jeffreys区間での7患者、2,102.19との照合、5%以下の真の割合の範囲、有効標本数、健常対照の20 mL換算)は、解析一式の入力CSVと関数を読む補助スクリプトで計算した。既存ZIPは変更せず、スクリプトをZIPと同じ場所に置いて実行する。追加計算の手順を別添した。

参照

  1. Mishra A, Meador CB, Kikkeri K, Cunneely Q, Lin M, Carmona-LaSalle TJ, et al. Circulating Tumor Cells Predict Response to the DLL3-Targeting Bispecific Antibody Tarlatamab. Cancer Discov. 2026;16(5):911–930. doi:10.1158/2159-8290.CD-25-1483. Open full text.
  2. Mishra A, Meador CB, Kikkeri K, Cunneely Q, Lin M, Carmona-LaSalle TJ, et al. Supplementary Table S3 from Circulating Tumor Cells Predict Response to the DLL3-Targeting Bispecific Antibody Tarlatamab [dataset]. AACR Figshare. 2026. CC BY. doi:10.1158/2159-8290.32728723. Accessed 2026 Oct 25.
  3. Karabacak NM, Spuhler PS, Fachin F, Lim EJ, Pai V, Ozkumur E, et al. Microfluidic, marker-free isolation of circulating tumor cells from blood samples. Nat Protoc. 2014;9(3):694–710. doi:10.1038/nprot.2014.044.
  4. Altman DG, Lausen B, Sauerbrei W, Schumacher M. Dangers of using "optimal" cutpoints in the evaluation of prognostic factors. J Natl Cancer Inst. 1994;86(11):829–835. doi:10.1093/jnci/86.11.829.
  5. Royston P, Altman DG, Sauerbrei W. Dichotomizing continuous predictors in multiple regression: a bad idea. Stat Med. 2006;25(1):127–141. doi:10.1002/sim.2331.
  6. Clopper CJ, Pearson ES. The use of confidence or fiducial limits illustrated in the case of the binomial. Biometrika. 1934;26(4):404–413. doi:10.1093/biomet/26.4.404.
  7. Brown LD, Cai TT, DasGupta A. Interval estimation for a binomial proportion. Stat Sci. 2001;16(2):101–133. doi:10.1214/ss/1009213286.
  8. Williams DA. The analysis of binary responses from toxicological experiments involving reproduction and teratogenicity. Biometrics. 1975;31(4):949–952. doi:10.2307/2529820.
  9. Zhang B, Hong L, Wang K, Stewart CA, Shah K, Wang WL, et al. DLL3 expression predicts response and long-term outcome in small cell lung cancer patients treated with tarlatamab. bioRxiv [preprint]. 2026 Sep 7. doi:10.64898/2026.09.03.749238.

All articles