首页 > 文章详情

2025 ESMO | AI驱动的生物标志物可有效识别能从ICI治疗中获益的pMMR mCRC患者

10月17日

编译：肿瘤资讯

来源：肿瘤资讯

Session Type

Proffered Paper session

Session Title

Proffered paper session 2: GI tumours, lower digestive

摘要号

725O

英文标题

725O - Leveraging artificial intelligence to predict immune checkpoint inhibitor (ICI) efficacy in proficient MMR mCRC: Translational analyses of AtezoTRIBE and AVETRIC trials

中文标题

725O - 利用人工智能预测错配修复功能正常转移性结直肠癌（pMMR mCRC）患者对免疫检查点抑制剂（ICI）的疗效：AtezoTRIBE和AVETRIC试验的转化分析

讲者

Martina Carullo (意大利Pisa)

背景

人工智能（AI）方法可能有助于从肿瘤苏木精-伊红（H&E）全切片图像（WSIs）中提取预测性生物标志物。

本研究旨在利用Lunit SCOPE IO平台开发一种AI驱动的生物标志物，用于预测错配修复功能正常（pMMR）转移性结直肠癌（mCRC）患者对ICI的获益。

方法

在AtezoTRIBE（FOLFOXIRI/贝伐珠单抗±阿替利珠单抗[atezo]）和AVETRIC（FOLFOXIRI/西妥昔单抗/阿维鲁单抗）试验中，使用Lunit SCOPE IO对pMMR mCRC患者治疗前H&E WSIs的癌区（CA）和间质（CS）中淋巴细胞（LC）、成纤维细胞（FB）、巨噬细胞（MP）、肿瘤细胞（TC）、内皮细胞（EC）和有丝分裂细胞（MTC）的密度进行量化。

采用多变量Cox回归模型，以AtezoTRIBE试验中阿替利珠单抗治疗组最具预测性的无进展生存期（PFS；平均C指数>0.5）变量进行训练。通过最大秩统计量设定PFS界值，将肿瘤分为生物标志物高表达组和低表达组。AVETRIC队列作为验证集。

结果

对AtezoTRIBE研究中161例患者WSIs的AI分析显示，该生物标志物整合了CA区的TC、MTC、LC密度和CS区的FB、MP、EC密度。其中113例（70%）患者被归类为生物标志物高表达组，其特征为年龄较大（P=0.030）和肝转移发生率较高（P=0.023）。

在阿替利珠单抗组中，与低表达组相比，高表达组患者预后更佳（PFS P=0.036，总生存期[OS] P=0.024），而对照组无此差异（PFS P=0.564，OS P=0.186）。

治疗与生物标志物在PFS（P=0.114）和OS（P=0.025）上存在交互作用，仅高表达组患者能从阿替利珠单抗治疗中获益（高表达组：PFS HR=0.69，95%CI 0.45~1.04；OS HR=0.54，95%CI 0.33~0.88；低表达组：PFS HR=1.34，95%CI 0.66~2.72；OS HR=1.70，95%CI 0.69~4.20）。

在AVETRIC队列分析的48例患者中，36例（75%）为生物标志物高表达组，其PFS（P=0.043）和OS（P=0.053）均优于低表达组。

结论

本研究的AI衍生肿瘤微环境生物标志物可能有助于预测pMMR mCRC患者对ICI治疗的获益，支持进一步研究AI驱动的方法。

责任编辑：肿瘤资讯-Marie
排版编辑：肿瘤资讯-Marie

10月17日

马坊

漳州市医院 | 大肠外科

生物标志物可有效识别

10月17日

于永江

荣成市人民医院 | 放射治疗科

谢谢分享为患者益

10月17日

阚随随

安阳市肿瘤医院 | 肿瘤内科