关键要点：
- 一种深度学习方法预测肺癌对免疫疗法的反应优于PD-L1表达（标准生物标志物）
- 整合临床数据提高了模型的预测能力
根据研究结果，一种深度学习平台可能有助于预测晚期肺癌患者对免疫检查点抑制剂疗法的反应。
在美国癌症研究协会年会上公布的研究结果显示，被生物学引导AI模型判定为高风险的患者，在接受免疫检查点抑制剂治疗后，疾病进展或死亡的风险是被判定为低风险患者的两倍以上。
肿瘤的"谷歌地图"
免疫检查点抑制剂已显著改善了部分癌症患者的预后，其中肺癌、黑色素瘤和泌尿生殖系统恶性肿瘤的疗效最为显著。然而，MD安德森癌症中心博士后研究员、该研究的主要作者Rukhmini Bandyopadhyay博士表示，约80%接受这些药物治疗的晚期癌症患者"并未从中获益"。她指出，用于预测治疗反应的生物标志物（如PD-L1表达或肿瘤突变负荷）存在不一致性且成本高昂。
病理解析学（Pathomics）是一种新兴学科，利用人工智能对数字病理报告进行定量分析以指导诊断和预后。Bandyopadhyay及其同事开发了一种基于深度学习的病理解析框架，称为Path-IO，即"病理驱动免疫疗法优化"（Pathology-driven Immunotherapy Optimization）。
该AI模型旨在分析常规用于临床实践的苏木精/伊红染色病理切片，识别肿瘤微环境中的特征和组织样本中的模式，进而预测患者接受免疫疗法后出现不良预后的风险高低。
Bandyopadhyay表示，即使是经验丰富的病理学家也难以完全解读这些切片中包含的大量复杂数据。"你可以把全切片图像想象成谷歌地图，"她说，"你需要放大才能看到肿瘤微环境的不同方面或不同组织区域，以判断是否存在肿瘤细胞或与之对抗的免疫细胞。这种AI工具可以帮助检查整个图像中的每个小区域，从而简化分析过程。"
生物学引导模型
Bandyopadhyay及其同事在转移性非小细胞肺癌患者中评估了该模型。
研究分析了在MD安德森癌症中心接受免疫检查点抑制剂治疗的797名NSCLC患者。
外部验证队列包括在梅奥诊所、古斯塔夫·鲁西癌症中心或其他机构接受治疗的另外280名患者，或参与一项III期临床试验的免疫治疗初治患者，这些患者接受了抗PD-1抗体纳武利尤单抗（Opdivo，百时美施贵宝公司）单药或联合抗CTLA-4抗体伊匹木单抗（Yervoy，百时美施贵宝公司）治疗。
Path-IO能有效将患者分为高风险或低风险组，其中高风险评分与通常对免疫疗法不敏感的表型相匹配。
被分类为高风险的患者出现疾病进展或死亡的风险约为被分类为低风险患者的两倍。
在MD安德森治疗的患者队列中，研究人员在发现集报告无进展生存期(PFS)风险比(HR)为2.34（P<0.001），在验证集为1.87（P<0.001）；总生存期(OS)风险比在发现集为2.11（P<0.001），在验证集为2.51（P<0.001）。
该模型在梅奥诊所验证队列（PFS风险比=2.45，P=0.027；OS风险比=2.46，P=0.007）和古斯塔夫·鲁西队列（PFS风险比=1.51，P=0.046；OS风险比=1.97，P=0.003）以及III期临床试验队列（PFS风险比=2.76，P=0.006；OS风险比=1.78，P=0.016）中均表现出类似的预测潜力。
研究人员还使用一致性指数(C-index)评估了特定生物标志物区分不同预后患者的能力，结果显示Path-IO优于PD-L1表达（目前指导免疫检查点抑制剂使用的标准生物标志物）。在测试队列中，仅PD-L1表达的PFS和OS C指数分别为0.51和0.50。相比之下，Path-IO的PFS和OS C指数分别达到0.58和0.63。
研究人员观察到Path-IO评估的高风险评分与通过另外两种转录组学方法确定的免疫学"冷"表型相关。
整合放射组学和临床数据提高了Path-IO的预测能力，将C指数提高到PFS为0.7，OS为0.75。Bandyopadhyay表示，这一发现凸显了在治疗决策过程中使用多种信息源的重要性。
"全切片图像提供了细胞水平的肿瘤细节，CT图像提供宏观层面的信息，而年龄、性别和癌症是否转移等临床因素则提供额外信息，"她说，"所有这些信息的综合提升了模型的性能。"
Bandyopadhyay表示，有必要对该模型进行前瞻性验证，并整合更全面的分子分析，以期进一步提高其预测潜力。她补充说，如果得到验证，鉴于该模型所依赖的病理切片已在临床实践中广泛应用，将其纳入常规实践将既简单又经济。
"该领域的先前研究主要采用数据驱动方法，有时难以解释为何会出现某些特定模式，"Bandyopadhyay说，"我们使用的是生物学引导模型，这有助于我们理解为何它能如此稳健地发挥作用。"
联系方式：Rukhmini Bandyopadhyay博士可通过rbandyopadhyay2@mdanderson.org联系。
来源：Bandyopadhyay R等. 摘要4003. 在美国癌症研究协会年会上报告；2026年4月17-22日；圣地亚哥。
披露：美国国家癌症研究所/国立卫生研究院、MD安德森癌症中心肺癌登月计划等机构支持了本研究。Bandyopadhyay报告无相关财务披露。请参阅研究了解所有其他作者的相关财务披露。
【全文结束】
