首页 > 文章详情

2026 ELCC | PD-L1 Blueprint AI：基于原始Blueprint研究数据验证AI辅助PD-L1评分算法

03月19日

编译：肿瘤资讯

来源：肿瘤资讯

Session Type

Mini Oral session

Session Title

Mini Oral session 2

摘要号

500MO

英文标题

500MO - PD-L1 Blueprint AI: Validation of an AI-assisted PD-L1 scoring algorithm against original Blueprint Study data

中文标题

500MO - PD-L1 Blueprint AI：基于原始Blueprint研究数据验证AI辅助PD-L1评分算法

讲者

Fred R. Hirsch (New York, CO, United States of America)

背景

Blueprint程序性死亡配体1（PD-L1）免疫组织化学（IHC）研究¹^,² 比较了主要的PD-L1 IHC检测方法。随后开发了人工智能（AI）算法以提高PD-L1评分的可重复性。本研究将AI衍生的PD-L1评分与原始Blueprint研究的样本和肿瘤比例评分（TPS）进行对比验证，以更好地理解基于AI的PD-L1评分的潜在效用。

方法

将原始Blueprint研究的28-8、22C3、SP142和SP263 IHC切片（N=80）² 通过Leica GT450扫描仪数字化。部署AIM-PD-L1 NSCLC³,*（AIM）算法，AIM评分定义为模型识别为PD-L1阳性的肿瘤细胞占总癌细胞的百分比。采用N=24名研究病理学家（SP）的原始PD-L1 TPS数据²，计算SP组内相关系数（ICCSP）和AI组内相关系数（ICCAIM）相对于SP共识评分的均值。若ICCAIM - ICCSP ≥ -0.1，则认为AI不劣于SP。同时计算1%和50%临界值下AIM与SP的一致性指标[总体一致率（OPA）、阳性一致率（PPA）和阴性一致率（NPA）]。

结果

AIM在所有抗体克隆中均不劣于SP，且ICCAIM均高于ICCSP（见表）。在50%临界值下，AIM与SP的一致性较高（OPA 94.3-100%，PPA 84.2-100%，NPA 97.0-100%）；在1%临界值下，一致性存在波动（OPA 68.6-96.2%，PPA 91.7-97.6%，NPA 40.9-98.2%）。

表：SP与AIM的PD-L1评分ICC均值差异及其95%置信区间的Bootstrap分析

微信图片_2026-03-19_164811_061.png

结论

基于Blueprint研究样本及TPS数据的分析显示，AIM评分与SP具有可比性。尤其在50%临界值下，AIM与SP表现出高度一致性（OPA、PPA及NPA）。该结果证实AIM可实现临床样本的自动化、高通量分析，并为临床试验与诊断提供快速、可重复的PD-L1量化支持。

参考文献

1. J Thorac Oncol (2017) 12(2):208-22.
2. J Thorac Oncol (2018) 13(9):1302-11.
3. Cancer Res (2022) 82 (12_Supplement): 471.
* For Research Use Only. Not for use in diagnostic procedures.