PRIME:基于液体活检的可解释的人工智能模型改善了对非小细胞肺癌进展风险的预测
Yu Wang1, Yong-Bo Xiang1, Xiao-Wei Chen2
1Department of Radiation Oncology, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, 100021, China.
Military Medical Research
|January 6, 2026
概括
这项研究开发了一种AI模型 (PRIME) 来预测非小细胞肺癌 (NSCLC) 患者使用循环瘤DNA (ctDNA) 和临床数据的治疗失败. 该模型准确识别高风险患者,使得个性化治疗决策成为可能.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 人工智能在医学中的应用
背景情况:
- 准确预测早期非小细胞肺癌 (NSCLC) 治疗失败风险对于个性化治疗至关重要,但仍然具有挑战性.
- 循环瘤DNA (ctDNA) 显示了最小残留疾病 (MRD) 的预测影响,但需要将其与其他因素结合起来进行可靠的风险评估.
研究的目的:
- 开发和验证可解释的人工智能 (AI) 辅助模型,用于预测NSCLC患者的治疗失败风险.
- 整合ctDNA,基因组改变和临床特征,以提高预后准确性和个性化治疗指导.
主要方法:
- 收集了6个NSCLC患者队列 (I-III阶段) 的液体活检数据,基因组改变,临床病理特征和生存结果.
- 训练并验证了PRIME (可解释机器学习的进展风险预测) 模型,使用机器学习算法和SHapley添加式扩展 (SHAP) 进行解释.
- 使用全外体测序 (WES) /全基因组测序 (WGS) 和RNA测序 (RNA-seq) 数据用于关键突变的机制验证.
主要成果:
- 人工智能模型 (NN-PRIME) 实现了治疗失败风险的高预测准确性 (AUC 0.85培训,0.82验证).
- 关键预测因素包括治疗后的MRD,治疗方式和治疗前的ctDNA水平.
- 证实了KEAP1,STK11和CDKN2A突变的不良预后影响,与瘤免疫力抑制有关.
结论:
- PRIME是一种可解释的AI模型,有效地整合了临床和基因组预测因子,用于NSCLC早期预测结果.
- 该模型可以实现精细的风险分层,并支持个性化的临床决策,以改善患者管理.
