机器学习和计算机断层扫描放射学来预测疾病进展到先发性布利祖马布单疗法在高级非小细胞肺癌:一个试点研究研究

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:

• 布罗利祖马布单一治疗已获批准用于先进非小细胞肺癌 (NSCLC) 的第一线治疗,PD-L1表达高 (≥50%),没有EGFR/ALK变化.
• 这些患者中有很大一部分 (约55%) 不对布罗利祖马布有反应,因此需要制定战略,以便及早识别不响应患者,以优化治疗.
• 在开始治疗之前区分不响应者是一个重大的临床挑战.

研究的目的:

• 开发和验证一个预测模型,以识别晚期NSCLC患者,不太可能对一线布罗利祖马布单一治疗有反应.
• 为了利用治疗前计算机断层扫描 (CT) 放射性特征和临床变量来预测治疗反应的早期预测.

主要方法:

• 对两组患者 (训练组:n = 97;试验组:n = 17) 进行了回顾性分析,这些患者接受了pembrolizumab单疗法治疗.
• 使用基于基线和随访CT扫描的RECIST 1.1标准评估治疗反应.
• 开发一个物流回归模型,结合预处理CT放射性特征和临床变量.

主要成果:

• 开发的后勤回归模型显示了治疗响应的高预测准确度 (AUC:培训组0.85;测试组0.81).
• 从周区域提取的放射性特征成为反应的独立预测因素.
• 这些放射性特征补充了标准CT评估和其他临床特征来预测结果.

结论:

• 开发的实用模型是指导高PD-L1表达的NSCLC患者的第一线治疗决策的宝贵工具.
• 这种方法有潜力推进个性化瘤学,通过为不响应者提供及时干预.
• 更好地识别非响应者可以导致更有效的疾病管理和潜在的更好的患者结果.