基于ORIENT-3研究数据,人工神经网络系统可以预测在状细胞非小细胞肺癌中对sintilimab的反应

科学领域:

• 在瘤学瘤学.
• 免疫治疗是一种免疫疗法.
• 生物信息学是一种生物信息学.

背景情况:

• 由于当前生物标志物和模型的局限性,预测高级状细胞非小细胞肺癌 (sqNSCLC) 对编程细胞死亡蛋白1单克隆抗体治疗的反应仍然具有挑战性.
• 导向-3研究提供了一个数据集,用于开发更准确的预测工具.

研究的目的:

• 在sqNSCLC中构建和验证人工神经网络 (ANN) 系统,用于预测患者对sintilimab的反应.
• 通过转录和空间数据探索治疗反应的潜在机制.

主要方法:

• 使用大量RNA测序数据开发了四个ANN系统,用于预测用sintilimab治疗的sqNSCLC患者的疾病控制 (DC),免疫DC (iDC),客观反应 (OR) 和免疫OR (iOR).
• 机理探索在批量和空间层面进行,使用来自ORIENT-3研究和现实世界队列的数据.

主要成果:

• sqNSCLC患者表现出与他们对sintilimab的反应相关的独特的转录组特征.
• 开发的ANN系统在测试队列中显示出高的预测准确性,DC,iDC,OR和iOR的AUC值分别为0.83,0.89,0.93和0.94.
• 在性能方面,ANN系统的性能优于线性模型,并且具有很高的稳定性. 机械洞察力揭示了独特的免疫通路丰富和与治疗反应相关的空间免疫细胞聚类模式.

结论:

• 这四个ANN系统是sqNSCLC患者对sintilimab反应的准确,强大和稳定的预测器.
• 这些模型具有改善治疗选择和指导sqNSCLC中的免疫治疗策略的潜力.