首页 > 文章详情

2025 WCLC | I3LUNG-PDSS：基于多模态人工智能的临床决策支持系统用于预测转移性非小细胞肺癌免疫治疗疗效

08月21日

编译：肿瘤资讯

来源：肿瘤资讯

Session Type

Oral

Session Title

OA09. New Advances in Pathology

摘要号

OA09.02

英文标题

I3LUNG-PDSS: A Multimodal AI-Based Clinical Decision Support System for Predicting Immunotherapy Efficacy in Metastatic NSCLC

中文标题

I3LUNG-PDSS：基于多模态人工智能的临床决策支持系统用于预测转移性非小细胞肺癌免疫治疗疗效

讲者

Arsela Prelaj

讲者机构

Fondazione IRCCS Istituto Nazionale dei Tumori Milano

背景

尽管免疫治疗（IO）应用已逾十年，治疗方案选择仍依赖于亚组分析/临床评分，亟需建立稳健的验证工具。人工智能技术可整合真实世界数据（RWD）与多模态数据以优化治疗决策。据我们所知，I3LUNG研究（NCT05537922）是目前规模最大的国际临床试验，旨在构建基于AI的医师决策支持系统（PDSSs）辅助免疫治疗决策。

方法

纳入欧盟/非欧盟六家中心的非小细胞肺癌患者，分为C1（度伐利尤单抗，III期）、C2（一线IO）和C3（后线IO）队列。整合数据类型包括：RWD（246项专家筛选特征）、PyRadiomics与基础模型处理的CT影像、基础模型分析的病理切片及基因组数据（EGFR/ALK/ROS1/RET/STK11/KRAS/TP53）。主要终点为总生存期（OS）、OS＜6个月与≥24个月死亡率；次要终点包括疾病控制率（DCR）、客观缓解率（ORR）、无进展生存期（PFS）和治疗失败时间（TTF）。合并C2、C3队列进行主要分析。采用机器学习早期融合（MLEF）与深度学习中期融合（DLIF）模型，应用留一中心交叉验证法。模型性能与单一生物标志物及评分系统进行对比，并评估公平性、可解释性及临床适用性。

结果

共入组2365例晚期非小细胞肺癌患者，其中C2、C3队列（n=2075；C2:1437例；C3:638例）纳入主要分析。2075例含RWD数据，1723例含基因组数据，1634例含CT扫描数据，936例含病理切片数据，339例患者具备全部四模态数据。MLEF模型在C2、C3队列中预测OS24/OS6/DCR的AUC分别为0.74±0.08、0.73±0.06和0.75±0.06，DLIF结果与之相当。仅用C2队列训练的MLEF模型性能更优（OS24 AUC=0.82±0.07，OS6=0.79±0.07，DCR=0.78±0.06）。Cox回归分析显示C2、C3队列C-index为0.66±0.02，C2队列达0.70±0.05。在PD-L1≥50%亚组中，多模态AI（MLEF子模型）较单纯RWD模型显著提升预后预测效能（不良生存者识别AUC=0.86±0.08 vs 0.61±0.13）。IO单药多模态模型无论PD-L1表达状态如何，对长期生存者识别（AUC=0.86±0.08 vs RWD 0.54±0.10）和DCR预测（AUC=0.80±0.07 vs 0.61±0.10）均表现优异。测试集显示MLEF模型在所有终点均显著优于单一生物标志物：DCR预测AUC=0.71 vs NLR 0.59（p＜0.01），AUC=0.72 vs PD-L1 0.53（p＜0.001），OS24/OS6结果趋势一致。模型在测试集各终点的AUC与C-index表现稳健，外部验证集OS预测C-index=0.64。

结论

I3LUNG-PDSS人工智能工具展现出超越传统生物标志物的预测效能，标志着非小细胞肺癌治疗结局预测技术的重大进步。特定亚组分析表明，尽管样本量有限，多模态数据较单纯RWD能提供更具价值的临床洞见。目前研究者正在各参与中心开展前瞻性验证研究，通过整合多组学数据进一步评估PDSS的普适性。

责任编辑：肿瘤资讯-丹忱
排版编辑：肿瘤资讯-丹忱