首页 > 文章详情

AI评估NSCLC患者新辅助阿替利珠单抗治疗的病理反应：LCMC3研究的结果

01月19日

编译：肿瘤资讯

来源：肿瘤资讯

通过组织病理学评估切除标本的病理反应，可能是与新辅助治疗的长期结局相关的早期临床终点。数字化病理学可以提高病理反应评估的效率和准确性。近期，JTO上发表的一篇文章报告了LCMC3研究中，AI评估NSCLC患者新辅助阿替利珠单抗治疗的病理反应结果。

研究背景

最近，早期癌症新辅助治疗的免疫疗法组合获得批准，成为潜在的根治性治疗方案。然而，由于早期患者的生存期较长，这些试验的临床终点，包括无病生存期（DFS）、无事件生存期（EFS）和总生存期（OS），需要大量的人群和长时间的随访。病理反应是衡量与新辅助治疗相关的组织学变化的临床指标，已有的病理反应分类测量方法包括病理完全反应（pCR）和主要病理反应（MPR），前者是指对原发肿瘤标本和手术切除的所有淋巴结取样进行组织学评估后发现无存活肿瘤，后者是指在可识别的切除瘤床上存活的肿瘤细胞≤10%。在临床试验中，pCR和MPR 都可以预测DFS或EFS。

在临床试验和常规临床实践中使用pCR或MPR来评估早期NSCLC新辅助治疗的反应，需要将其有效整合到临床试验操作中并实现标准化。在临床试验中，评估组织学样本病理反应的工作流程各不相同，通常包括在当地研究机构进行评估，以及由中央审查员对玻璃切片或图像进行视觉审查以达成共识。基于机器学习的自动化方法可以对肿瘤床和残留存活肿瘤区域进行可扩展的标准化量化，补充肉眼观察方法，从而更准确、更一致地评估新辅助治疗后的病理反应。

LCMC3（NCT02927301）研究对新辅助阿替利珠单抗治疗可切除NSCLC患者的疗效进行了评估，结果显示主要病理缓解（MPR）率为20%。在这份同类首次报告中，研究者使用LCMC3的临床试验数据来确定地方病理学家和中心病理学家之间的阅片差异。还开发了一种基于卷积神经网络（CNN）的模型，以数字方式评估全切片图像（WSI）中存活肿瘤的百分比，并根据国际肺癌研究协会（IASLC）的建议确定MPR。对基于CNN的模型进行了训练，以区分和量化肿瘤床、存活肿瘤组织、坏死和肿瘤相关基质等组织成分，同时排除邻近的非肿瘤肺实质，并对其进行了优化，以包括最近作为免疫相关病理反应标准报道的免疫治疗相关组织学变化。最后，研究者评估了视觉和数字化MPR评估与DFS和OS结果的相关性。

研究方法

研究者使用基于指南的视觉技术确定原发性肿瘤切除标本中的病理反应，并使用相同的标准开发了一个卷积神经网络模型，以数字化测量全切片图像上的存活肿瘤百分比。评估了47名当地病理学家中的1名以及3名中心病理学家对存活肿瘤百分比（n = 151）的目测结果间的一致性。

研究结果

对于视觉确定存活肿瘤百分比的一致性，组间相关系数为0.87（95%CI：0.84-0.90）。原发性肿瘤中视觉评估的存活肿瘤（主要病理学缓解 [MPR]）≤10%的一致性为92.1%（Fleiss kappa=0.83）。数字化评估的存活肿瘤百分比（n=136）与视觉评估相关（Pearson r=0.73;数字/视觉斜率=0.28）。数字化评估的MPR可预测视觉评估的MPR，具有出色的辨别能力（受试者工作特征曲线下面积，0.98），和未达到MPR相比，数字化评估的MPR与更长的无病生存期（HR=0.30; 95% CI：0.09-0.97，p=0.033）和总生存期（HR =0.14，95% CI：0.02 ~ 0.06，p = 0.027）相关。数字化评估的病理学缓解与视觉评估结果高度相关。

图片2.png

研究结论

目前正在进行的LCMC3相关分析中应用了由人工智能（AI）驱动的数字化病理学，以研究预测性和预后性生物标志物，并进一步描述阿替利珠单抗新辅助治疗早期NSCLC的效果。这些Al模型的进一步完善，包括淋巴结的评估，最终可能会促进这些患者治疗的优化和个性化。这些方法尚未在大规模临床试验中得到前瞻性应用，可能会简化临床试验操作并加速试验数据读数。最终，随着有针对性的新辅助疗法在临床实践中的应用，病理反应的数字化评估很可能成为一种重要的日常工具，在社区环境中协助病理评估方面具有明显的优势。

责任编辑：TY
排版编辑：TY

参考文献

Dacic S, Travis WD, Giltnane JM, et al. Artificial Intelligence-Powered Assessment of Pathologic Response to Neoadjuvant Atezolizumab in Patients With NSCLC: Results From the LCMC3 Study. J Thorac Oncol. 2023 Dec 7:S1556-0864(23)02415-2. doi: 10.1016/j.jtho.2023.12.010.