首页 > 文章详情

2026 WCLC 中国之声丨平衡非小细胞肺癌免疫治疗的疗效与毒性：用于双重结局风险分层的多模态人工智能框架

08月25日

编译：肿瘤资讯

来源：2026 WCLC

Session Type

Mini Oral

Session Title

MO07 Novel Immunotherapeutic Strategies in mNSCLC

摘要号

MO07.08

英文标题

Balancing Efficacy and Toxicity in NSCLC Immunotherapy: Multimodal Artificial Intelligence Framework for Dual-Outcome Risk Stratification

中文标题

平衡非小细胞肺癌免疫治疗的疗效与毒性：用于双重结局风险分层的多模态人工智能框架

讲者

丁瀚林

讲者机构

南京医科大学附属肿瘤医院

引言

程序性死亡受体1（PD-1）抑制剂对非小细胞肺癌（NSCLC）具有良好疗效，但可诱发免疫相关不良事件（irAEs），发生率最高可达15.2%，部分事件甚至可能致命。目前，能够同时预测免疫相关不良事件和免疫检查点抑制剂（ICIs）治疗应答的有效生物标志物仍较为缺乏。本研究旨在识别毒性风险高但治疗获益低的患者，从而为不同级别医院的治疗选择、监测强度和医疗资源配置提供参考。

方法

本研究纳入333例接受PD-1抑制剂单药或联合治疗的晚期NSCLC患者。研究采用影像组学和深度学习方法提取CT影像特征，构建了3个单模态模型和2个多模态模型，用于同时预测irAEs（≥3级）和ICIs治疗应答。采用SHAP算法识别同时影响irAEs和ICIs治疗应答预测结果的临床特征。

结果

整合临床特征和深度学习衍生影像组学特征（DenseNet）的CDML-DenseNet模型，在irAEs预测方面表现最佳，AUC为0.85，优于单模态影像组学模型。在治疗应答预测方面，CDML-DenseNet模型同样取得了较好的预测性能，AUC为0.866。预后营养指数（PNI）被确定为irAEs和ICIs治疗应答预测模型中的关键特征。ICIs治疗未获益但发生irAEs的患者，其PNI显著较低，为46.8±8.779。

MO0708图1.jpg

MO0708图2.jpg

结论

在接受PD-1抑制剂治疗的NSCLC患者中，多模态CDML-DenseNet模型能够同时预测irAEs发生风险和ICIs治疗应答情况，为平衡免疫治疗疗效与毒性提供了新的研究范式。此外，PNI易于获取、成本较低，可作为临床实践中的实用工具，用于识别可能无法从免疫治疗中获益但却发生irAEs的患者，并进一步优化治疗决策。