基于计算机断层扫描的定量纹理分析和肠道微生物社区签名预测非小细胞肺癌的生存率

科学领域:

• 在瘤学瘤学.
• 无线电学 (Radiomics) 是一种放射学.
• 微生物组研究 微生物组研究

背景情况:

• 用免疫检查点抑制剂 (ICI) 治疗非小细胞肺癌 (NSCLC) 显示出患者反应的变化.
• 预测ICI治疗的生物标志物对于优化患者的治疗结果至关重要.

研究的目的:

• 在ICI治疗的NSCLC患者中开发整体存活率 (OS) 和治疗反应的预测模型.
• 研究基于计算机断层扫描 (CT) 的纹理分析 (QTA) 和便微生物群签名的联合实用性.

主要方法:

• 从ICI治疗的NSCLC患者的CT扫描 (n=129) 和便微生物组数据 (n=58) 的分析.
• 应用主要成分分析 (PCA) 对于CT参数和中枪元基因组学,用于微生物组的分析.
• 利用一种人工智能 (AI) 方法,以极端的梯度提升用于预测建模.

主要成果:

• 特定的细菌和真菌物种与有利或不利的OS相关.
• 微生物组特征预测了有利的ICI反应 (84%准确率) 和高PD-L1表达 (79%准确率).
• 结合QTA和微生物组数据,获得了治疗反应和OS的90%的积极预测值.

结论:

• QTA参数和肠道微生物群签名是OS,治疗反应,PD-L1表达和ICI治疗的NSCLC患者中毒性的有价值预测因素.
• 一种人工智能驱动的机器学习方法有效地整合了这些变量以进行可靠的预测.
• 这种综合方法为个性化NSCLC治疗提供了一个有希望的策略.