このページは機械翻訳されています。他のページは英語で表示される場合があります。 View in English

外周血液クリナボミクスデータの動的変化を用いて,進行胃がんにおける免疫チェックポイント阻害剤の有効性を予測するための機械学習モデルの開発と検証:遡及的多センターコホート研究

Shulun Nie ¹, Shuyi Song ¹, Qian Xu ¹

¹Department of Medical Oncology, Qilu Hospital, Cheeloo College of Medicine, Shandong University, Jinan, Shandong, China.
²Department of Medical Oncology, Shandong Provincial Hospital of Traditional Chinese Medicine, Jinan, Shandong, China.
³Department of Oncology, The Affiliated Yantai Yuhuangding Hospital of Qingdao University, Yantai, Shandong, China.
⁴Department of Oncology, Central Hospital Affiliated to Shandong First Medical University & Jinan Central Hospital, Jinan, Shandong, China.
⁵Department of Oncology, Shandong Provincial Hospital Affiliated to Shandong First Medical University, Jinan, Shandong, China.
⁶Department of Oncology, The First Affiliated Hospital of Shandong First Medical University & Shandong Provincial Qianfoshan Hospital, Jinan, Shandong, China.
⁷Department of Oncology, The Affiliated Hospital of Qingdao University, Qingdao, Shandong, China.
⁸Department of Oncology, Linyi Cancer Hospital, Linyi, Shandong, China.
⁹Department of Oncology, Linyi People's Hospital, Linyi, Shandong, China.
¹⁰Department of Medical Oncology, Qilu Hospital (Qingdao), Cheeloo College of Medicine, Shandong University, Qingdao, Shandong, China.
¹¹Department of Oncology, The Second Affiliated Hospital of Shandong First Medical University, Taian, Shandong, China.
¹²Department of Oncology, Qingdao Municipal Hospital, Qingdao, Shandong, China.
¹³Department of Oncology, Zibo Center Hospital, Zibo, Shandong, China.
¹⁴Department of Medical Oncology, Qilu Hospital, Cheeloo College of Medicine, Shandong University, Jinan, Shandong, China. lianliu@sdu.edu.cn.

⁰Department of Medical Oncology, Qilu Hospital, Cheeloo College of Medicine, Shandong University, Jinan, Shandong, China.

Gastric Cancer : Official Journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association +

|

2025年9月7日

PubMedで要約を見る

まとめ

この研究は,進んだ胃がん (GC) の免疫チェックポイント阻害剤 (ICI) の有効性を予測するために,ダイナミック・クリンラボミクスデータを用いた機械学習モデルを開発した. このモデルは予測の精度を向上させ,GC患者の個別化された治療決定を支援します.

科学分野

腫瘍学
コンピュータ生物学
バイオマーカーの発見

背景

免疫チェックポイント阻害剤 (ICI) は,進行胃がん (GC) の治療に不可欠です.
ICIの有効性の現在のバイオマーカーは,静的な腫瘍の特徴に依存しています.
GCにおけるICIに対する反応を予測することは,臨床的な課題である.

研究の目的

先進的なGCにおけるICI有効性の予測を強化するために,ダイナミックなクリナボミクスデータを組み込む機械学習 (ML) モデルを開発する.
静的マーカーを超えて予測精度を向上させるダイナミックなクリナボミクスの特徴を特定する.
複数のセンターでMLモデルのパフォーマンスを検証します.

主な方法

第一線ICIで治療された377人の進行性GC患者を対象とした多中心の遡及研究です.
最適な性能のためにXGBoostを選択した9つのMLモデルの開発.
ダイナミック・クリンラボミクスデータ,カプラン・マイヤー生存分析,RNA配列解析を有効化するために利用した.

主要な成果

XGBoostモデルは高い予測精度を達成しました (AUC 0. 863 訓練,0. 790- 0. 842 外部コホート).
重要な予測因子として10のダイナミックなクリナボミクスの特徴が特定された.
低リスクのサブグループでは診断が改善され",熱い腫瘍"の特徴が示され,アクセシビリティのための Web ツールが開発されました.

結論

動的クリナボミクスデータは,進行したGCにおけるICIの有効性を効果的に予測します.
検証されたマルチセンターモデルは治療戦略を最適化するための新しいアプローチを提供します.
このアプローチは,ICI治療のための患者の選択を洗練することによって,パーソナライズされた医療をサポートします.

キーワード:

進行した胃がんクリニカル・ラボラント・オミクスダイナミックな変化効率性について免疫チェックポイント阻害剤機械学習