用免疫检查点抑制剂治疗的扩散阶段小细胞肺癌患者中缓冲症的深度学习模型的构建和验证:一项多中心研究
Ruiting Song1,2, Butuo Li1, Xiaoqing Wang3
1Department of Radiation Oncology, Shandong Cancer Hospital and Institute, Affiliated to Shandong First Medical University and Shandong Academy of Medical Sciences, Jinan, China.
Translational lung cancer research
|December 13, 2024
概括
卡切西亚显著影响广泛的小细胞肺癌 (ES-SCLC) 免疫治疗的有效性. 一个深度学习模型准确地预测了白血病风险,改善了接受免疫治疗的ES-SCLC患者的生存预测.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 卡切西亚影响大约60%的扩散阶段小细胞肺癌 (ES-SCLC) 患者.
- 卡切西亚可能导致ES-SCLC的免疫疗法耐药性.
- 了解白血病的作用对于改善治疗结果至关重要.
研究的目的:
- 评估缓解症对ES-SCLC免疫治疗有效性的影响.
- 开发和验证深度学习 (DL) 模型,用于缓冲症预测.
- 评估基于DL的缓解症预测模型的预后价值.
主要方法:
- 对231名接受一线免疫疗法和化疗的ES-SCLC患者的分析.
- 利用生存分析,临床数据和CT成像 (L3级) 进行模型开发.
- 开发并比较DL和放射学模型用于使用ROC曲线分析预测缓解症.
主要成果:
- 卡切西亚与较差的无进展生存期 (PFS) 和整体生存期 (OS) 相关.
- DL模型表现出优异的性能,AUC为0.73 (内部) 和0.71 (外部验证).
- 根据DL模型的低风险缓解症分类与显著延长的PFS和OS相关.
结论:
- DL模型在ES-SCLC患者中提供超级预测缓解症.
- DL模型的预测与接受免疫治疗的ES-SCLC患者的生存结果相关.
- 这种DL方法有助于风险分层,并可能优化免疫疗法策略.
