放射学模型用于预测免疫治疗的非小细胞肺癌患者的瘤反应和肺炎
Monica Yadav1, Wongi Woo2, Young Kwang Chae1
1Feinberg School of Medicine, Northwestern University, NMH/Arkes Family Pavilion Suite 800, 676 N Saint Clair, Chicago, IL 60611, USA.
Journal of clinical medicine
|June 26, 2025
概括
人工智能 (AI) 放射学可以预测接受免疫治疗的非小细胞肺癌 (NSCLC) 患者的检查点抑制剂相关肺炎 (CIP) 和瘤反应. 这些人工智能模型显示了个性化治疗策略的潜力.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 对接受免疫治疗的非小细胞肺癌 (NSCLC) 患者来说,检查点抑制剂相关性肺炎 (CIP) 是一个重大挑战.
- 预测CIP和治疗反应对于优化患者管理和晚期NSCLC的结果至关重要.
研究的目的:
- 调查人工智能 (AI) 算法分析治疗前CT扫描中的放射性特征以预测NSCLC患者中CIP发生的潜力.
- 评估这些放射性模型预测瘤对免疫疗法的反应的能力.
- 评估临床因素与CIP发展之间的关联.
主要方法:
- 对159名接受免疫治疗的III-IV期NSCLC患者治疗前CT扫描的分析.
- 使用LIFEx软件从瘤和周围区域提取3D放射性特征.
- 应用线性混合效应模型用于放射学协调和随机森林算法用于预测模型开发.
- 使用曲线下的面积 (AUC) 评估模型性能.
主要成果:
- 放射学分析表明CIP的可预测性,其AUC为0.60 (95%CI为0.55-0.66).
- 针对瘤反应的预测模型实现了0.63 (irRECIST) 和0.66 (RECIST 1.1) 的AUC.
- 患有肺炎的患者更有可能是男性,腺癌组织结构较少,并表现出较高的瘤突变负担.
结论:
- 治疗前基于CT的放射性模型在预测免疫治疗的NSCLC患者的CIP和瘤反应方面表现有前途.
- 这些发现表明,放射学可以帮助识别患有CIP风险的患者,并预测治疗疗效.
- 需要进一步验证,以将放射性预测纳入NSCLC免疫疗法的临床决策.
