在高级NSCLC中数字与手动PD-L1评分从IMpower110和IMpower150试验中

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 人工智能的人工智能

背景情况:

• 在晚期非小细胞肺癌 (NSCLC) 中,编程死亡配体1 (PD-L1) 的手动评分具有可变性.
• 一个人工智能 (AI) 模型AIM-PD-L1被开发用于客观的PD-L1测量.

研究的目的:

• 在高级NSCLC中评估基于AI的PD-L1评分模型 (AIM-PD-L1) 的性能.
• 将AI评分与手动评分进行比较,并评估它与接受阿特佐利祖马布治疗的患者的生存结果的相关性.

主要方法:

• 开发了AIM-PD-L1并应用于两个第三阶段试验 (IMpower110和IMpower150) 的整个幻灯片图像.
• 进行了瘤细胞 (TC) PD-L1表达的数字评分.
• 确定了与生存相关的人类可解释特征 (HIF).

主要成果:

• 在人工智能和手动评分之间观察到PD-L1表达的高整体百分比一致.
• 生存分析显示得分方法之间的结果相似.
• 人工智能评分在手动评分错过的患者中发现了潜在的益处.
• 特定的HIF与整体和无进展生存率有关.

结论:

• AIM-PD-L1数字评分与NSCLC中PD-L1手动评分是一致的.
• 人工智能模型表明,治疗效益的预测性类似.
• AIM-PD-L1可以作为一种有价值的工具,用于患者在抗PD-L1治疗中的分层.