EGFR-TKI第一線治療を受けている肺腺癌患者の病理学に基づく予後モデルの開発と検証

科学分野:

• デジタル病理学
• コンピュータ生物学
• 腫瘍学

背景:

• 肺腺がん (LUAD) の患者に対して,皮質成長因子受容体 (EGFR) ティロシンキナーゼ阻害剤 (TKI) による治療を個別化するために,正確な予後予測が不可欠である.
• 現存する予後モデルでは,この患者集団における疾患進行の複雑性が完全に捉えられない可能性があります.

研究 の 目的:

• EGFR-TKIで治療されたLUAD患者の疾患進行を予測するための新しい病理学に基づく予後モデルを開発し,検証する.
• 病理学的特徴と臨床的要因を統合し,予測の精度を向上させる.

主な方法:

• 第一線EGFR- TKI治療を受けた122人のLUAD患者の遡及分析.
• 治療前のH&Eで染色した全スライド画像から病状の特徴を抽出する.
• mRMRとLASSOコックス回帰を特徴の選択とpathomicsScoreの開発に使用する.
• AUC,ROC,および校正曲線を使用して検証された予測モデルにパトミックスコアと臨床要因を統合する.

主要な成果:

• 5つの主要な病理学的特徴が特定され,病理学スコアを作成するために使用され,効果的に患者を低リスクと高リスクのグループに分類しました.
• 病理学スコアと病理学的段階は,疾患の進行を独立して予測した.
• 統合モデルは,高い感度と特異性とともに,0. 789 (訓練) と0. 728 (検証) のAUCで強い予測性能を示した.

結論:

• 開発された病理学に基づくモデルは,EGFR- TKIsで治療されたLUAD患者の疾患進行を正確に予測します.
• このモデルは,リスクの階層化を可能にすることで,個別化された治療戦略を容易にする.
• 発見は,腫瘍学的結果を改善するデジタル病理学と計算分析の可能性を強調しています.