图片来源：nopparit / iStock / Getty Images
【圣地亚哥讯】一项应用于常规病理切片的新型AI模型可准确预测转移性非小细胞肺癌（non-small cell lung cancer, NSCLC）患者的预后及免疫治疗应答。该研究已在美国癌症研究协会（American Association for Cancer Research, AACR）年会上公布。
得克萨斯大学MD安德森癌症中心博士后研究员Rukhmini Bandyopadhyay博士表示：“免疫治疗已彻底改变了癌症治疗格局，但仅有部分患者可从中获益，目前预测获益人群仍存在较大挑战。”
他补充道：“据我们所知，本研究是首个经国际真实世界队列及Ⅲ期随机临床试验严格验证的基于深度学习的病理组学生物标志物，直接回应了精准肿瘤学领域最迫切的未满足需求之一：为免疫治疗提供可靠的患者筛选与分层依据。”
病理组学是指采用计算与机器学习方法对数字病理图像进行高通量分析，以提取与疾病预后相关的细胞、组织结构大规模特征数据的技术。
Bandyopadhyay及其团队开发了名为病理驱动免疫治疗优化（Pathology-driven Immunotherapy Optimization, Path-IO）的深度学习生存预测模型，该模型可分析组织层面的特征模式，识别最有可能从免疫治疗中获益的患者，随后整合影像与临床数据，评估患者接受免疫治疗后出现不良预后的风险高低。
研究人员在包含797例接受免疫检查点抑制剂治疗的NSCLC患者的MD安德森癌症中心队列中测试了该平台，另外还通过来自梅奥诊所、古斯塔夫·鲁西癌症中心的280例患者，以及Ⅲ期Lung-MAP S1400I临床试验队列完成了外部验证；该临床试验入组了未接受过免疫治疗的肺鳞状细胞癌（NSCLC的一种亚型）患者，均接受免疫检查点抑制剂治疗。
该模型可稳定将患者分为高风险组与低风险组。在MD安德森癌症中心队列中，高风险组患者的死亡或疾病进展风险是低风险组的2倍以上。
研究采用一致性指数（concordance index, C-index）评估模型性能，该指标用于衡量生物标志物区分不同预后患者的能力。值得关注的是，在发现队列与测试队列中，Path-IO的性能均持续优于程序性死亡配体1（programmed death ligand 1, PD-L1）——后者是经美国食品药品监督管理局验证、用于指导NSCLC患者免疫治疗用药的标准护理生物标志物。
仅采用PD-L1的预后性能有限，在发现队列中，其总生存期（overall survival, OS）预测C-index为0.58，无进展生存期（progression-free survival, PFS）预测C-index为0.57；在测试队列中上述数值分别降至0.50和0.51。与之相比，Path-IO展现出更强的区分能力：在发现队列中OS预测C-index达0.69，PFS预测C-index达0.65；在测试队列中OS和PFS预测C-index分别为0.63和0.58。
将基于病理的预测结果与影像组学、临床数据整合后，模型性能进一步提升，PFS预测C-index从0.58升至0.70，OS预测C-index从0.63升至0.75。
由于该方法设计为适配常规病理切片，与其他新兴数据驱动技术相比，该平台无需高额成本即可融入现有临床工作流程。
本研究为回顾性研究，因此还需进一步研究，在识别免疫治疗获益人群的基础上，进一步预测患者可获益的免疫治疗类型。未来研究方向包括前瞻性验证，以及整合配对的更全面分子谱数据以提升预测性能。
专业注释
- C-index：评估预后模型预测区分度的核心统计指标
- 影像组学：从医学影像中高通量提取定量特征的分析技术