出国看病资讯人工智能预测晚期黑色素瘤患者的总体生存期

出国看病资讯人工智能预测晚期黑色素瘤患者的总体生存期

通过读取CT扫描，机器学习可以帮助研究人员改善治疗决策。

根据发表在JAMA Oncology上的研究结果，放射组学和机器学习可以帮助估计不可切除的黑色素瘤患者的总生存期（OS），从而可能改善临床决策。——出国看病

来自东海岸各机构的一组研究人员分析了2项大型多中心临床试验的数据，其中包括接受免疫疗法治疗的晚期黑色素瘤患者。使用时间相关接收器工作特性曲线（AUC）下的面积，放射组学特征达到AUC，估计OS状态为0.92（95%CI，0.89-0.95），而第3个月时为0.80（95%CI，0.75-0.84），RECIST为1.1。此外，放射组学特征分为3个部分，从最佳到最差估计预后 - 完全或部分反应（32.4%），稳定疾病（[31.3%）和进行性疾病（36.2%）。——出国看病

“总体而言，我们的研究结果表明，放射组学特征是明确和简洁的，并提供了更好的分类可分离性，”研究人员说。——出国看病

目前，根据该研究的研究人员的说法，医生几乎完全依靠肿瘤大小来观察一种疗法是否对患者有效。然而，研究人员想看看人工智能是否可以更好地估计特定患者群体中的操作系统。他们开发了一种机器学习算法，可以扫描常规CT扫描捕获的信息，以确定患者的预后。——出国看病

“标准实践中使用的计算机断层扫描提供了放射组学和机器学习可以提取为定量特征的额外信息，包括肿瘤体积（这提供了对肿瘤大小的改进估计），肿瘤密度的异质性（肿瘤血管和坏死的替代物）和肿瘤形状（不规则的边缘与更具侵略性的生长模式相关），”研究人员指出。

研究人员回顾性地检查了在基线和第一次随访时获得的CT图像，并在2019年7月1日至2021年9月15日期间收集了数据。前瞻性地从2期KEYNOTE-002临床试验（NCT01704287）中收集数据，该试验评估了给予pembrolizumab（Keytruda）或研究者选择化疗的III/ IV期黑色素瘤患者，以查看哪些改善了无进展生存期和OS，以及3期KEYNOTE-006研究（NCT01866319），该研究分析了用pembrolizumab与ipilimumab（Yervoy）治疗的晚期黑色素瘤患者的OS。——出国看病

在第3个月，放射组学特征以0到1的等级估计了每个患者的OS个体概率。

“这些值代表了极值估计的预后（从最有利到最不利的OS），”调查人员说。

在第3个月，每6周至第48周，每12周对575名成年人的胸部，腹部和骨盆的临床数据和CT扫描进行对比分析， 然后每12周进行一次。最常测量的转移部位是淋巴结（53.0%），肺（38.5%），肝脏（19.0%）和肾上腺（11.2%）。——出国看病

根据研究研究人员的说法，放射组学特征结合了4个成像特征，其中2个与肿瘤大小有关，2个反映了肿瘤成像表型的变化。在包括287名接受pembrolizumab治疗的患者的验证集中，研究人员发现，基于肿瘤直径的标准方法，放射组学签名优于标准方法，实体瘤反应评估标准1.1（RECIST 1.1）。——出国看病

此外，研究人员质疑RECIST 1.1准确评估免疫检查点抑制剂疗效的能力。他们发现，在最初的RECIST 1.1中，11名患者中有9名在第3个月被归类为假发性疾病，实际上具有具有良好OS的第3个月的放射组学特征。——出国看病

研究人员解释说，区分这一点的能力使医生有机会设定护理目标，更快地讨论替代疗法，或找到临床试验。——出国看病

“一旦临床使用，我们的签名可以让临床医生在实践中早期读出用pembrolizumab治疗晚期黑色素瘤患者时成功的可能性。在临床试验中，这种新方法可以补充其他反应评估指标，并提高癌症药物发现的效率，“研究人员总结道。——出国看病