您好,欢迎您

人工智能整合放射组学及临床数据预测免疫治疗疗效

2019年10月06日
作者:徐龙博士
点评:郑振东教授
来源:肿瘤资讯

目前临床上还没有能够很好地预测免疫治疗疗效的标志物。既往研究提示CT放射组学可以提供肿瘤浸润CD8阳性T细胞的信息。当地时间9月28日,2019 ESMO会议Proffered Paper session: Artificial intelligence and machine learning as tools for practice in oncology专场上,来自西班牙Vall d'Hebron肿瘤研究中心(VHIO)的Marta Ligero教授报告了他们整合CT放射组学及临床特征用于预测免疫检查点抑制剂(ICIs)治疗晚期实体瘤疗效的结果。 

               
徐龙
博士

北部战区总医院肿瘤科主治医师、肿瘤学博士,从事临床肿瘤诊治工作10余年,擅长以肺癌为主的多种实体瘤内科治疗,擅长CT引导下全身各部位肿瘤穿刺活检术。兼任中国临床肿瘤学会(CSCO)中西医结合专家委员会委员,中国研究型医院协会肿瘤精准医疗与MDT专业委员会委员,国家肿瘤微创诊治创新联盟肺癌专业委员会委员,辽宁省细胞生物学学会肿瘤精准医疗与大数据管理专业委员会秘书兼青年学组主任委员,辽宁省中西医结合学会肿瘤学专业委员会委员,辽宁省生命科学协会肺癌专业委员会委员,辽宁省抗癌协会肿瘤转移专业委员会青年委员,发表SCI论文4篇,核心期刊10余篇,主持及参与省部级科研课题3项,参编肿瘤学专著4部。

他们采集115位应用ICIs的连续性患者放射组学特征(队列1),并通过另外62名接受ICIs治疗的连续性患者进行验证(队列2)。研究发现,队列1中CT放射组学特征与ICIs疗效相关,训练集及内部验证集的AUC分别为0.81(p=2.75×10-5)和0.72(p=0.001)。外部验证集即队列2的AUC为0.76(p=0.001)。当CT放射组学结合临床特征用于预测疗效时,AUC提高到0.84(p=5.04×10-9)。临床-放射评分高的患者瘤体均匀、密度低、呈球形,以及外周血淋巴细胞和白蛋白高、中性粒细胞低,这些特征可以预测疗效,越高的评分预示更大的肿瘤退缩(p<0.05)。因此整合CT放射组学及临床特征可以更好地预测免疫治疗的疗效。

专家点评

图片 111.png                
郑振东
肿瘤科主任,医学博士,研究生导师

中国人民解放军北部战区总医院肿瘤科主任,军队优秀专业技术人才津贴获得者。东北大学、中国医科大学、沈阳药科大学、大连医科大学、锦州医科大学研究生导师,从事恶性肿瘤综合治疗的临床及科研工作20年,擅长呼吸系统、消化系统、乳腺及泌尿生殖系统等部位常见及各种罕见恶性肿瘤的科普宣教、预防、诊断及综合治疗,常年致力于实体肿瘤的精准诊疗和临床转化研究,现兼任:中国生命关怀协会常务理事、中国抗癌协会肿瘤支持治疗骨髓保护专委会副主委、辽宁省细胞生物学学会肿瘤精准治疗与大数据管理分会主委、辽宁省营养学会肿瘤营养治疗分会主委、辽宁省抗癌协会靶向治疗专委会候任主委、辽宁省中医药学会淋巴水肿综合治疗专委会名誉主委、中国抗癌协会中西医整合肿瘤专委会常委、中国医促会肿瘤内科分会常委、中国医药生物技术协会医药生物技术临床应用专委会常委、吴阶平医学基金会肿瘤医学部执行常委、世界华人医师协会智慧诊疗分会常委等。荣立个人三等功2次,主持各级科研立项9项,共计200余万元;获得省部级以上科研奖励5项,发表中文核心期刊近50篇,SCI收录 20篇,总影响因子42.79分。

ICIs的疗效预测是当前肿瘤学研究热点,也是临床应用难点之一。由于肿瘤免疫逃逸机制及免疫微环境的复杂性,导致实际工作中缺乏非常可靠的疗效预测标志物。PD-L1是目前唯一成熟的标志物,但又非常不完美。其他许多生物标志物还在研究当中,大多数潜在的生物标志物是通过对肿瘤组织的活检及生物学和生物信息学分析得到的,依赖于有创活检及较高的经济成本。这项研究利用人工智能整合放射组学及临床数据来预测ICIs疗效,是一种无创的、重复性好的新方式,展现出非常好的结果和应用前景。

郑振东_meitu_1.jpg

评论
2019年10月07日
于晓溪
林西县医院 | 外科
学习了!
2019年10月07日
张德伟
黄骅市人民医院 | 放疗科
未来的方向
2019年10月07日
158****4419
陆军军医大学第二附属医院(重庆新桥医院) | 药剂科
新知识