相关实验视频
Updated: Jun 14, 2025
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
6.9K
放射性诺米克图谱用于预测晚期非小细胞肺癌中化疗免疫疗法的效率
Hua Jin1, Yuchao Wang2, Xushuo Li3
1Department of Respiratory Medicine, Jinshan Hospital, Fudan University, Shanghai, 201508, China.
Scientific reports
|September 6, 2024
概括
这项研究确定了放射学特征,以预测化学免疫疗法在高级非小细胞肺癌 (NSCLC) 的有效性. 一个放射学名图模型在预测多个患者队伍的治疗效率方面表现出高准确性.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
背景情况:
- 晚期非小细胞肺癌 (NSCLC) 构成了重大的治疗挑战.
- 化疗免疫疗法提供了一个有前途的治疗途径,但预测患者的反应仍然至关重要.
研究的目的:
- 探索放射学特征作为潜在的生物标志物,用于预测先进NSCLC中化疗免疫治疗效率.
- 开发和验证一个整合放射学和临床因素的预测模型.
主要方法:
- 用初级 (n=138),内部验证 (n=58) 和外部验证 (n=60) 数据集进行前性队列研究.
- 从初级瘤CT图像中提取和选择放射性特征.
- 通过使用多变量逻辑回归来结合放射学签名和临床预测器来开发放射学名图.
主要成果:
- 放射学诺米克获得了高预测性能,AUC为0.89 (初级),0.96 (内部验证) 和0.86 (外部验证).
- 放射学模型 (AUC=0.85) 和临床模型 (AUC=0.76) 与初级队列中的名录相比显示出较低的预测值.
- 在所有验证队列中,名图始终优于单个模型.
结论:
- 研发的放射性纳米图是预测晚期NSCLC化学免疫疗法疗效的强大而方便的工具.
- 放射学签名具有重要的潜力,作为NSCLC个性化治疗策略的非侵入性生物标志物.
