开发和解释一种病理学驱动的整体模型,用于预测胃癌中免疫治疗的反应

科学领域:

• 数字病理学和计算分析
• 瘤学和癌症研究.
• 免疫疗法和精准医学.

背景情况:

• 胃癌患者对免疫检查点抑制剂 (ICI) 的反应不同.
• 缺乏精确的预测生物标志物限制了ICI的有效性.
• 准确预测ICI反应对于优化胃癌治疗至关重要.

研究的目的:

• 开发和验证一种病理学驱动的整体模型,用于预测胃癌中的ICI反应.
• 为了利用H&E染色的整个幻灯片图像 (WSI) 来进行病态特征提取.
• 根据预测的ICI疗效建立一个强大的工具来对患者进行分层.

主要方法:

• 对H&E染色的WSIs和来自584名胃癌患者的临床数据进行了回顾性分析.
• 开发一个整体模型,整合LASSO,k-NN,决策树和随机森林.
• 使用AUC,灵敏度,特异性,SHAP和病原学分析进行验证.

主要成果:

• 整体模型在训练和多次验证队列中显示出高的预测准确性 (AUC从0.914到0.985不等).
• 该模型的预测特征是接受免疫治疗的胃癌患者无进展生存的独立预后因素.
• 病理基因组学分析将模型预测与免疫,癌症和与代谢相关的途径联系起来.

结论:

• 一个病理驱动的合奏模型准确而稳健地预测了ICI在胃癌中的反应,使用WSIs.
• 这种模型可以作为一个有价值的工具,以促进胃癌的精确免疫治疗.
• 这些发现支持数字病理学和机器学习的整合,以实现个性化癌症治疗.