非小細胞肺がんにおける免疫療法反応の予測とバイオマーカーの発見のための多式深層学習

科学分野:

• 腫瘍学
• コンピュータ生物学
• 医療情報工学

背景:

• 免疫療法,特に抗PD-L) 1治療は,進行した非小細胞肺がん (NSCLC) に対して有望である.
• 免疫療法に対する患者の反応を予測することは,依然として重要な臨床的課題です.

研究 の 目的:

• 新しい多式ディープラーニングモデルであるDeepAFMの開発と検証
• DeepAFMは,進行NSCLCにおける免疫療法の反応を予測するための組織病理学,ゲノム特性,および臨床データを統合しています.

主な方法:

• 進行したNSCLC患者の全スライド組織病変画像,ゲノム変異,および臨床変数を使用した.
• 組織病理学表現学習のための自主監督VQVAE2を使用し,PCAとK-meansクラスタリングが続きます.
• ディープAFM予測モデルにマルチモダルの機能を統合した.

主要な成果:

• DeepAFMは,0. 77の曲線下領域 (AUC) で高い予測性能を達成しました.
• 注意に基づくヒートマップは,免疫療法反応に関連した重要な病理的パターン,ゲノム変異,および臨床指標を特定しました.

結論:

• DeepAFMのマルチモダルのデータ統合は,複雑な相互作用を捉え,免疫療法反応の予測の解釈性と正確性を改善します.
• このモデルは,高度なNSCLCにおけるパーソナライズされた治療戦略とバイオマーカー発見の洞察を提供します.