基于计算机断层扫描的深度学习预测了肺状细胞癌中化学免疫治疗的反应

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 计算生物学 计算生物学

背景情况:

• 由于预后不佳,非小细胞肺癌 (NSCLC) 提出了重大挑战.
• 新辅助化疗免疫疗法 (NCI) 为NSCLC提供了一个有前途的治疗策略.
• 确定主要病理反应 (MPR) 的生物标志物对于优化NCI疗效至关重要.

研究的目的:

• 开发一种深度学习 (DL) 模型,用于预测肺状细胞癌 (LUSC) 中的MPR到NCI.
• 阐明在LUSC患者中MPR预测背后的生物学机制.

主要方法:

• 分析了309名LUSC患者的队列.
• 在对比度增强的计算机断层扫描 (CT) 图像上训练了一个ResNet50 DL模型.
• 检查了体质突变,基因组数据,免疫细胞和瘤内微生物.

主要成果:

• DL模型实现了MPR的高预测准确性 (验证集中的AUC为0.95和0.90).
• DL模型得分是MPR的独立预测指标.
• MPR预测与特定的基因突变,免疫反应途径和微生物多样性相关.

结论:

• 开发的DL模型对于在接受NCI的LUSC患者中预测MPR非常有效.
• 这项研究增强了对与NCI治疗反应相关的生物机制的理解.