先進型NSCLCにおける免疫療法の反応を予測するためのマルチセンターマルチモデルの生息地放射学モデル
Xiaoxiao Huang1,2, Yurun Xie3, Haiyang Nong1
1Department of Radiology, Affiliated Hospital of Youjiang Medical University for Nationalities, Baise, Guangxi 533000, China.
iScience
|February 18, 2026
まとめ
新しいCTベースの生息環境モデルは,非小細胞肺がん (NSCLC) 患者における免疫療法の効果を正確に予測しています. この放射線学的アプローチは,パーソナライズされた治療のための適切な候補者を特定し,免疫療法のための患者の選択を改善します.
科学分野:
- 放射線学 放射線学
- 腫瘍学 腫瘍学
- 人工知能 (AI) とは,人工知能 (AI) のことです.
背景:
- 免疫療法から恩恵を受ける非小細胞肺がん (NSCLC) の患者を特定するには,強力な予測バイオマーカーが必要です.
- 現在の予測モデルは,治療反応に影響を与える複雑な腫瘍マイクロ環境を完全に捉えていない可能性があります.
研究 の 目的:
- 先進的なNSCLCにおける免疫療法反応を予測するためのCTベースの生息地放射学モデルを開発し,検証する.
- ハビタットモデルの予測性能を伝統的な放射学,ディープラーニング,臨床的要因,PD-L1発現と比較する.
主な方法:
- CTベースの生息地モデルは,590の進行NSCLC症例を使用して開発され,K-meansクラスタリングで腫瘍の量を3つのサブリージョンに分割しました.
- 放射性特性は,それぞれの生息地から抽出され,機械学習の6つの分類者を採用した予測モデルを構築するために使用されました.
- このモデルは,コントラストのないCT画像を用いた独立したコホートで検証された.
主要な成果:
- ExtraTreesベースの生息地モデルは,テストコホートで優れた予測性能を達成し,曲線下の面積 (AUC) は0.814.8でした.
- ハビタットモデルは,従来の放射学,3Dディープラーニング,臨床,PD-L1発現モデルに比べて有意な予測上の利点を示した.
- このモデルは,免疫療法による利益の効率的な予測を可能にします.
結論:
- CTベースの生息環境モデルは,NSCLC患者の免疫療法反応を予測する強力なツールとして機能します.
- このアプローチは,免疫療法から恩恵を受ける可能性のある患者の効率的な識別を容易にし,パーソナライズされた治療戦略をサポートします.
- ハビタットモデルは,がん免疫療法に対する患者の選択を最適化するための有望なバイオマーカーを提供します.
