首页 > 文章详情

APOLLO11研究：基于AI的NSCLC免疫治疗患者的长期生存预测

03月22日

整理：肿瘤资讯

来源：肿瘤资讯

2025年欧洲肺癌大会（ELCC）将于当地时间3月26-29日在法国巴黎召开。作为肺癌领域备受瞩目的国际学术盛会之一，ELCC汇聚了全球肺癌诊疗的最新研究进展和成果。

目前，ELCC官网已披露部分摘要内容。Vanja Miskovic专家团队将公布APOLLO11研究结果。【肿瘤资讯】特此整理，以飨读者。

摘要号：11MO

英文标题: AI-based prediction of long-term survival in NSCLC patients treated with immunotherapy: Insights from the multicentric APOLLO11 study

中文标题: 基于AI的NSCLC免疫治疗患者的长期生存预测：多中心APOLLO11研究

讲者：Vanja Miskovic（意大利米兰）

研究背景

在非小细胞肺癌（NSCLC）中预测免疫治疗（IO）的长期疗效是个性化治疗中的一个关键挑战。准确的IO预后对于年轻患者尤为重要，有助于他们规划人生。与化疗相比，免疫治疗能够提供更好的生活质量生存，这进一步强调了可靠预测的必要性。近期在利用AI技术分析真实世界临床和实验室数据方面的进展已经证明了其在开发IO结果预测模型中的作用。

研究方法

我们分析了APOLLO11试验（NCT05550961）中来自意大利六家机构的1,031例ⅢB-Ⅳ期NSCLC患者的免疫治疗数据。基于机器学习（ML）的生存分析（Cox-ML和生存ML模型）被用于评估总生存期（OS），分类模型（逻辑回归和随机森林）则用于预测长期生存（OS≥24个月）。为了优化识别长期生存患者的性能，我们还实施了多种包含成本敏感调整的模型。可解释性技术用于识别关键特征。

研究结果

表现最佳的模型是COX-ML和额外生存树，它们在交叉验证集和测试集上分别达到了0.7（±0.02）和0.68的c-index。通过SHAP分析确认，高ECOG体能状态评分、胸腔积液、肝和骨转移、PD-L1阴性以及鳞状组织学与更高风险密切相关。分类模型以0.78的准确率和0.77的AUC预测长期生存。SHAP将低ECOG体能状态评分、年轻、高淋巴细胞计数和低NLR（中性粒细胞与淋巴细胞比值）识别为长期生存的关键变量。

研究结论

我们的研究结果仅基于临床和实验室数据，与既定的评分系统（如LIPI和EPSILON）一致。AI方法提高了性能，证明了真实世界数据的价值及其进一步优化的潜力。识别免疫治疗的长期生存患者至关重要，这使临床医生能够为患者，尤其是那些有重大人生规划的年轻患者，提供量身定制的建议。开发具有成本效益且可解释的AI模型，确保了其可及性和透明度，并促进了临床医生与患者之间的共同决策。

扫描二维码，获取更多ELCC 2025专题资讯！

4-3 二维码.png