陆舜教授:AI多组学深度学习 预测肺癌免疫PD-1/PD-L1疗效

2021-02-28 MedSci原创 MedSci原创

日前,一项“基于多组学序列深度学习预测晚期非小细胞肺癌单药PD-1/PD-L1免疫治疗的临床获益研究”成果,于American Journal of Translation R

日前,一项“基于多组学序列深度学习预测晚期非小细胞肺癌单药PD-1/PD-L1免疫治疗的临床获益研究”成果,于American Journal of Translation Research正式发布。该项研究由上海交通大学附属胸科医院肿瘤科陆舜教授团队组织发起,由点内科技提供TheraPro™独家专利技术服务支持。本次研究基于高质量真实世界数据及深度学习模型,为肺癌免疫治疗(PD-1/PD-L1)过程中患者临床获益的预测,提供了重要解决思路。

Yang,Y., Yang, J., Shen, L., et al. A multi-omics-based serial deep learningapproach to predict clinical outcomes of single-agent anti-PD-1/PD-L1immunotherapy in advanced stage non-small-cell lung cancer. Am J Transl Res. ;13(2): 743–756.

PMID:33594323.

研究背景  

肺癌免疫治疗(PD-1/PD-L1)的过程中,预测患者的临床获益非常重要,也面临着巨大挑战。首先,仅20%的非小细胞肺癌患者能从免疫治疗中长期获益,且仅就目前的生物标志物,无法精确地找出潜在获益人群;其次,临床数据大都是多模态、多样化的异步时间序列数据,目前没有一个深度学习框架能够处理和利用此类数据。因此,需要开发统一的深度学习模型,融合临床信息、影像序列、生化检验序列等信息,形成研究,以为此类临床问题能提供一定的解决思路。

2
研究方法  

 本研究回顾性分析了2016年4月至2019年12月期间、上海交通大学附属胸科医院接受单抗PD-1/PD-L1药物治疗的、200例晚期NSCLC患者的1633份CT影像学资料和3414份血液样品。研究中纳入了放射学资料、实验室检查结果及基线临床数据,用于开发和验证深度学习的模型,以鉴别免疫治疗的患者有无应答,同时开发了SimTA模块来处理异步时间序列成像和实验室数据。

 

图片

Serial deep learning model for response to PD-1/PD-L1 inhibitor in NSCLC3

研究结论  

 研究结果发现,基于90天深度学习的预测模型在区分用药有无应答方面表现出良好的检测性能,曲线下面积(AUC)达到0.80(95%CI:0.74-0.86),见Figure1。

图片

Figure1

     在进行免疫治疗之前,使用该模型将患者分为高风险和低风险的无应答者,低风险组的无进展生存期(PFS)明显更长(8.4个月比1.5个月,HR 3.14,P <0.01),总生存期(OS)明显更久(26.7个月比8.6个月,HR 2.46,P <0.01),见Figure2。

图片

Figure2

     对93例稳定疾病(SD)的患者进行的探索性预测分析还显示,低风险患者较高风险患者具有更长的PFS和OS(11.1个月比3.3个月,HR 2.93,P<0.01)和(31.7个月比17.2个月,HR 2.22,P = 0.01)见Figure3。

图片

Figure3

     因此,基于SimTA的多组学系列深度学习为预测晚期NSCLC患者对PD-1/PD-L1单药治疗的应答提供了一种具有极大潜力的方法。此外,与传统的RECIST评估方法相比,该模型可以更好地区分SD患者的生存获益,从而解决了目前临床工作中的一些局限性4

陆舜教授简介  
图片

陆舜 教授

主任医师,博士生导师,二级教授

上海市领军人才,上海市优秀学术带头人,国家重点专项首席专家

享受国务院特殊津贴

上海交通大学附属胸科医院,上海市肺部肿瘤临床医学中心主任

中国抗癌协会理事,肺癌专业委员会主任委员

中国临床肿瘤学会(CSCO)常务理事 ,希斯科基金会副理事长

上海市医学会肿瘤学会主任委员

中华医学会肿瘤学会委员,肺癌专业委员会主任委员

上海市医师协会肿瘤科分会副会长,专科规培组长

国际肺癌研究会官方杂志Journal of Thoracic Oncology副主编,The Oncologist杂志编委 

上海市抗癌协会常务理事

中国医药生物技术协会精准医疗分会副主任委员  

作为负责人主持科技部国际合作课题1项;国家新药创新重大专项1项,863重大课题子课题2项;国家自然基金面上项目1项

 关于点内

点内科技成立于2016年4月,作为一家专注于肿瘤领域的人工智能高科技创新企业,致力于打造全球领先的肺癌精准诊疗一体化平台,以人为本,科学赋能临床医生,造福肺癌患者。

    点内科技利用机器深度学习,进行了“无创预测病理浸润分型”等多项独家技术的自主研发,并与国内顶级专家及医院合作临床验证。ScrynPro™肺小结节辅助诊断系统、SurgiPro™早期肺癌手术智能辅助决策系统、TheraPro™肺癌精准治疗智能辅助决策系统、NoduleCare©肺小结节人群智能随访系统四大功能模块所构建的费安好™SaaS平台,可协助临床医生实现肺癌患者“早筛-诊断-治疗-随访管理”的全流程服务覆盖。

    公司核心团队成员平均拥有10年以上医学人工智能技术研发、产品研发及行业市场经验。目前,点内科技服务合作已覆盖了全国58个省市地级行政区,惠及数百万人群。

版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (2)
#插入话题
  1. 2021-03-01 科研科研科研

    通过深度学习可预测肺癌免疫pd-1 的疗效

    0

  2. 2021-02-28 小小医者

    厉害

    0

相关资讯

JAMA Cardiol:人工智能超声来了,超声科医生地位不保?

近年来,人工智能(AI)已被应用于医学影像分析,但是AI指导超声图像的采集仍是一个新颖的研究领域。

Nat Aging: 李开复Nature子刊发文,指出人工智能在长寿中的作用

最近,李开复等人在Nature Aging发文指出,在大量纵向数据中寻找复杂模式的任务是现代人工智能(AI)的一大优势。

Clin Cancer Res:逆天的人工智能,仅根据HE染色片即可判断是否存在HPV感染!

口咽鳞状细胞癌(OPSCC)中的人乳头状瘤病毒(HPV)具有致瘤性,与烟草、酒精等致癌物引起的OPSCC相比,具有良好的预后。与此同时,人工智能(机器学习)已经发展成为一种强大的工具,可以预测各种来源

Eur Radiol: 想准确地检出CT中的肋骨骨折,又不想看瞎眼,那有什么好办法吗?

     放射科医师的眼是保住工作的铁饭碗,然而,有些工作偏偏想砸了他的铁饭碗!

Eur Radiol:影像学相关人工智能实现无所不能的羁绊在哪里?

为什么AI的潜能与其在放射诊断领域的应用之间存在重大差距?

Cancer cell:科学家开发出人工智能系统,让AI为癌症患者匹配最佳药物组合

研究人员创建了一个名为DrugCell的新人工智能(AI)系统,该系统让肿瘤与最佳药物组合相匹配成为可能。

打开APP