多模式放射病理学签名用于预测免疫疗法为基础的结合治疗对胃癌的反应,使用可解释的机器学习
Weicai Huang1, Xiaoyan Wang2, Rou Zhong3
1Department of Gastrointestinal Surgery, The First Affiliated Hospital of Guangzhou Medical University, Guangzhou, Guangdong, 510120, China; Department of General Surgery & Guangdong Provincial Key Laboratory of Precision Medicine for Gastrointestinal Tumor, Nanfang Hospital, Southern Medical University, Guangzhou, Guangdong, China.
Cancer letters
|July 17, 2025
概括
一种新的放射病理学特征 (RPS) 准确地预测了晚期胃癌 (GC) 免疫治疗反应. 这种方法集成成像和病理学数据,优于传统生物标志物,可以更好地分层患者和治疗指导.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 免疫疗法对于晚期胃癌 (GC) 是至关重要的,但缺乏可靠的预测生物标志物.
- 在GC中准确预测治疗反应和预后仍然是一个重大的临床挑战.
研究的目的:
- 开发和验证一种新的放射病理学特征 (RPS),用于预测高级GC免疫治疗反应.
- 根据已确定的生物标志物评估RPS的性能及其预后价值.
主要方法:
- 整合多式联络基线数据:CT扫描图像和数字H&E染色病理图像.
- 应用七种机器学习方法来开发RPS.
- 在多中心培训,内部和外部队列 (n=298) 中验证.
主要成果:
- 在验证队列中,RPS实现了高预测准确度 (AUC:0.978,0.863,0.822).
- 在预测治疗反应方面,RPS的表现优于常规生物标志物 (CPS,MSI-H,EBV,HER-2).
- 卡普兰-梅尔分析显示,高风险和低风险组之间存在显著的生存差异,特别是在晚期患者中.
结论:
- 可解释的RPS可以准确预测晚期GC的治疗反应和预后.
- RPS有可能指导个性化治疗策略,并提供对免疫机制的见解.
- 这种多模式的方法增强了胃癌免疫治疗的精密医学.
