圣迭戈——一项应用于常规病理切片的新AI模型能够准确预测转移性非小细胞肺癌(NSCLC)患者对免疫治疗的反应和治疗结果。该研究在美国癌症研究协会(AACR)年会上发表。
德克萨斯大学(UT)MD安德森癌症中心博士后研究员Rukhmini Bandyopadhyay博士表示："免疫治疗已经改变了癌症治疗方式，但只有一部分患者能从中获益，预测哪些患者会对治疗产生反应仍然是一个挑战。"
"据我们所知，这项研究是首个基于深度学习的病理组学生物标志物，经过国际真实世界队列和III期随机临床试验的严格验证，直接解决了精准肿瘤学中最迫切的未满足需求之一：免疫治疗的可靠患者选择和分层，"他继续说道。
病理组学应用计算和机器学习方法对数字病理图像进行高通量分析，提取与疾病结果相关的细胞和组织结构的大规模数据。
Bandyopadhyay及其同事开发了一种名为"病理驱动免疫治疗优化"(Path-IO)的深度学习生存预测模型，该模型可以研究组织中的模式，以确定最有可能从免疫治疗中获益的患者。该模型随后结合影像学和临床数据，估计患者从免疫治疗中产生不良结果的风险是较高还是较低。
研究人员在一项研究中测试了该平台，该研究包括来自UT MD安德森的797名接受免疫检查点抑制剂治疗的NSCLC患者，并在来自梅奥诊所、Gustave Roussy和III期Lung-MAP S1400I试验的280名额外患者中进行了外部验证，这些患者是肺鳞状细胞癌(一种NSCLC亚型)且未经免疫治疗的患者，接受了免疫检查点抑制剂治疗。
该模型可靠地将患者分为高风险和低风险组。在UT MD安德森队列中，高风险组患者的死亡或疾病进展风险比低风险组患者高出一倍以上。
模型性能通过一致性指数(C-index)进行评估，该指数衡量每个生物标志物区分不同结果患者的能力。值得注意的是，Path-IO在发现队列和测试队列中始终优于PD-L1，后者是美国食品药品监督管理局(FDA)验证的用于指导NSCLC患者免疫治疗使用的标准护理生物标志物。
仅PD-L1显示有限的预后性能，在发现队列中总生存期(OS)和无进展生存期(PFS)的C指数分别为0.58和0.57，在测试队列中分别下降至0.50和0.51。相比之下，Path-IO展示了更强的区分能力，在发现队列中OS和PFS的C指数分别达到0.69和0.65，在测试队列中分别为0.63和0.58。
将基于病理的预测与放射组学和临床数据结合，进一步提高了模型的性能，PFS的C指数从0.58提高到0.70，OS的C指数从0.63提高到0.75。
鉴于该方法设计用于常规病理切片，与其它新兴基于数据的技术相比，该平台可以整合到现有临床工作流程中而无需大量额外费用。
由于该研究是回顾性的，需要进一步研究，以超越识别将从免疫治疗中获益的患者，帮助预测他们可能从哪种类型的免疫治疗中获益。未来的研究方向包括前瞻性验证和整合配对的、更全面的分子谱分析，以增强预测性能。
【全文结束】
