首页 > 文章详情

【前沿进展】Deep-IO深度探索从免疫治疗获益的晚期NSCLC患者人群

06月29日

整理：肿瘤资讯

来源：肿瘤资讯

仅有一小部分晚期非小细胞肺癌（NSCLC）患者对免疫检查点抑制剂（ICI）治疗有反应。为获得最佳的个体化治疗，识别最有可能从免疫疗法中获益的患者至关重要。一项基于深度学习算法的多中心队列研究，旨在开发一种基于深度学习算法的ICI反应预测方法，以评估与晚期患者临床结果的相关性。研究结果发表于JAMA Oncology。【肿瘤资讯】整理主要内容，以飨读者。。

基于深度学习的疗效分层模型有望更好地预测NSCLC免疫治疗疗效

仅有约25-30%的NSCLC患者对免疫治疗有应答。ICI单药治疗反应的主要预测生物标志物是PD-L1蛋白表达水平，然而一些PD-L1水平低的患者也可获益ICI，且非所有PD-L1水平高的患者都会对ICI有应答。因此，PD-L1表达水平也是不完美的预测指标。2020年，FDA批准组织来源的肿瘤突变负荷（TMB）可作为实体瘤（包括肺癌）ICI的预测生物标志物，但TMB的临床使用面临挑战，包括成本、检测变异性、最佳阈值以及有限的敏感性和特异性等。

因此，近年来研究者仍持续关注并寻找晚期癌症患者免疫治疗反应的更多生物标志物。比如基因组变异（例如KEAP1和STK11）可能会降低ICI疗效，与微卫星不稳定性、新抗原负荷、肿瘤炎症表型、肿瘤浸润淋巴细胞（TIL）及三级淋巴结构（TLS）有关。

研究团队开发并独立验证了一个基于深度学习的疗效分层模型，该模型可根据全切片苏木精和伊红染色图像预测晚期 NSCLC 患者对ICI的疗效果。用于模型开发和验证的图像来自2014年8月至2022年12月期间美国1个参与中心和欧盟3个参与中心。数据分析于2022年9月至2024年5月进行。

主要结果

数据集的临床特征及深度学习模型的性能和可解释性：

经过质量控制，Deep-IO对958例患者295581个图像块（512×512像素）进行了训练和验证；来自美国队列（DFCI）614例患者的156969个图像块用于模型训练和测试，来自欧盟队列344例患者的138612个图像块用于外部和独立验证。开发队列分为：85%用于深度学习模型的训练和开发，15%用于测试和评估性能。该模型经过训练以预测ORR，将疗效分为缓解者（完全缓解[CR]和部分缓解[PR]）或无缓解者（疾病进展[PD]和疾病稳定[SD]）。

Deep-IO模型为每个图像块分配一个从0-1的预测概率，以提示ICI治疗反应的可能性；得分低于0.5表示对 ICI无反应，得分高于或等于0.5表示对ICI有反应。

深度学习模型和ICI临床终点

开发队列和验证队列的中位随访时间分别为54.5个月和43.3个月，中位无进展生存期（PFS）分别为3.7个月、4.2个月。由于开发队列中大多数（85%）病例用于训练，因此主要在验证队列中评估Deep-IO分与ICI结果的相关性。Deep-IO评分较高患者的 PFS和总生存期（OS）明显更长。作为连续变量，CR和PR组的Deep-IO评分高于SD和 PD组（图1）。

图片31.png

深度学习模型评分和ICI生存结果的相关性

在两个队列中，接受一线ICI治疗患者的缓解率（32%和37.9%）高于后线患者（21.1% 和19.1%）。在验证队列中，Deep-IO评分与两种治疗线的生存率显著相关。亚组分析显示，抗PD-1单抗组（n=304）的PFS和OS与Deep-IO关联一致；然而，在抗PD-L1单抗组（n=40），仅OS与Deep-IO关联一致。

Deep-IO评分显示，肺腺癌亚组患者的PFS（P <0.001）和OS（P<0.001）与ICI相关，肺鳞状细胞癌患者中未观察到Deep-IO评分与PFS和OS的显著相关性。

多变量分析包括单变量分析中所有显著的协变量：PD-L1、ICI线数、ECOG状态、性别、组织学类型和年龄（仅限OS）。Deep-IO是PFS（HR=0.56；一致性指数=0.65）和OS（HR=0.53；一致性指数=0.64）的独立预测因素（图2）。

图片32.png

验证队列中的多变量分析

结论

Deep-IO利用美国的大量数据集，使用监督深度学习方法开发而来。为确保模型的通用性，此模型通过来自3个不同欧盟国家3个中心的图像和患者数据进行了外部验证。整体数据集包含通过扫描仪获取的组织学图像，并包含不同背景的患者群体。本研究结果显示，不同队列中NSCLC患者的ICI反应与强大且独立的基于深度学习的特征相关，该深度学习模型的临床应用有望提高治疗精准度，并更好地识别可能从ICI治疗中获益的晚期NSCLC患者。

参考文献

Rakaee M, Tafavvoghi M, Ricciuti B, et al. Deep Learning Model for Predicting Immunotherapy Response in Advanced Non−Small Cell Lung Cancer. JAMA Oncol. 2025;11（2）:109–118. doi:10.1001/jamaoncol.2024.5356.

审批编号：CN-159898 有效期至：2025-08-16

声明：本材料由阿斯利康提供，仅供医疗卫生专业人士参考

责任编辑：肿瘤资讯-Yuno
排版编辑：肿瘤资讯-Sally

06月30日

欧阳波

酒钢医院 | 呼吸内科

内容很精彩，值得学习！

06月30日

丁胜富

达州市达川区中医医院 | 心胸外科

好好学习天天向上

06月30日

贾原菊

宜城市人民医院 | 肿瘤内科

好好学习天天向上