来自动脉相增强CT的放射学模型可靠地预测非小细胞肺癌中PD-L1表达和免疫治疗预后:一项回顾性多中心队列研究
相关实验视频
Updated: Jun 18, 2025
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
Zhenhua Liu1, Yimin Yao2, Miaomiao Zhao3
1Department of Radiation Oncology, The First Affiliated Hospital of Soochow University, 899 Pinghai Road, Suzhou 215000, China; Department of Radiotherapy, Yancheng First Hospital Affiliated Hospital of Nanjing University Medical School, The First people's Hospital of Yancheng, 66 Renmin Road, Yancheng 224005, China; National Clinical Research Center for Hematologic Diseases, Cyrus Tang Medical Institute, Collaborative Innovation Center of Hematology, State Key Laboratory of Radiation Medicine and Prevention, Soochow University, Suzhou 215123, China.
使用动脉相增强CT的放射学模型预测了非小细胞肺癌 (NSCLC) 中的编程细胞死亡连接体1 (PD-L1) 表达. 这种方法对预测免疫疗法反应和改善精确癌症治疗有希望.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 免疫检查点抑制剂 (ICI) 已经改变了非小细胞肺癌 (NSCLC) 治疗.
- 编程细胞死亡配体1 (PD-L1) 是ICI治疗有效性的关键生物标志物.
研究的目的:
- 使用基线动脉相增强CT (APECT) 开发放射性模型,以预测NSCLC中PD-L1表达.
- 评估模型预测NSCLC患者免疫治疗预后的能力.
主要方法:
- 从204名NSCLC患者的APECT图像中提取了放射性特征.
- 使用最少绝对收缩和选择操作员 (LASSO) 方法进行特征选择和瘤得分计算.
- 机器学习算法 (naive bays,决策树,XGBoost,随机森林) 在一个独立的队列中被使用和验证.
主要成果:
- 随机森林模型表现出优异的性能,实现了高的曲线下面积 (AUC) 值 (0.98培训,0.94验证三类;0.99培训,0.93验证两类).
- 该模型准确地预测了高PD-L1表达患者的验证队列中的治疗反应 (AUC=0.859) 和改善的生存率 (HR=0.2).
结论:
- 基于APECT的放射学模型为预测NSCLC中PD-L1表达提供了一种非侵入性方法.
- 这些模型具有显著的潜力,通过预测治疗结果来改善精确免疫治疗.
更多相关视频
10:29Semi-automatic PD-L1 Characterization and Enumeration of Circulating Tumor Cells from Non-small Cell Lung Cancer Patients by Immunofluorescence
Published on: August 14, 2019
09:32Multiplexed Immunofluorescence Analysis and Quantification of Intratumoral PD-1+ Tim-3+ CD8+ T Cells
Published on: February 8, 2018