借助机器学习,利用现有的临床数据,预测非小细胞肺癌的第一线免疫治疗结果
Fang Liu1, Rong Huang2, Qin Wang3
1National Center for Integrative Medicine, China-Japan Friendship Hospital, Yinghua East Street No. 2, Hepingli Chaoyang District, Beijing 100029, China.
International immunopharmacology
|July 27, 2025
概括
机器学习模型可以预测接受免疫检查点抑制剂 (ICI) 的非小细胞肺癌 (NSCLC) 患者的治疗反应和副作用. 这有助于个性化NSCLC治疗策略.
科学领域:
- 在瘤学瘤学.
- 计算生物学 计算生物学
- 免疫治疗是一种免疫疗法.
背景情况:
- 免疫检查点抑制剂 (ICI) 是高级非小细胞肺癌 (NSCLC) 的重要一线治疗方法.
- 在NSCLC患者中预测ICI疗效和免疫治疗相关不良事件 (irAEs) 仍然是一个重大的临床挑战.
研究的目的:
- 开发和评估机器学习模型,用于预测在接受一线ICI的NSCLC患者的治疗反应和irAEs.
- 确定治疗结果和iRAE的关键预测因子,以促进个性化医疗.
主要方法:
- 对397名用一线ICI治疗的NSCLC患者的回顾性分析.
- 应用五种机器学习模型 (包括神经网络,梯度增强和随机森林) 来预测治疗反应和irAEs.
- 功能重要性分析以确定重要的预测因素.
主要成果:
- 神经网络和梯度增强模型在预测治疗反应方面表现高 (AUC高达0.87).
- 随机森林和梯度增强模型在预测irAEs (AUC高达0.84) 中是有效的.
- 发现的关键预测因素包括红细胞计数,转移部位和性别.
结论:
- 机器学习模型显示,在用ICI治疗的NSCLC患者中,预测结果具有显著的潜力.
- 这些预测能力可以增强个性化治疗策略,改善患者管理.


