Model umelej inteligencie uspel v predikcii odpovede na imunoterapiu u pokročilého nemalobunkového karcinómu pľúc
Môžu algoritmy založené na umelej inteligencii (AI) používať histologické obrazy na priamu predikciu odpovede na check-point inhibítory (ICI) u pacientov s pokročilým nemalobunkovým karcinómom pľúc (NSCLC)? Zdá sa, že áno.
Iba malá časť pacientov s pokročilým nemalobunkovým karcinómom pľúc (NSCLC) reaguje na liečbu check-point inhibítormi. Pre optimálnu personalizovanú starostlivosť o týchto chorých je nevyhnutné identifikovať tých, u ktorých je najväčšia pravdepodobnosť, že budú mať prospech z imunoterapie.
Kohortová štúdia vyvinula a externe potvrdila výpočtovú metódu pre predikciu odpovede u 958 pacientov s nemalobunkovým pľúcnym karcinómom liečených monoterapiou check-point inhibítormi. Štúdia preukázala, že skóre predikcie umelej inteligencie (AI) vykazovalo dobrú koreláciu s klinickými výsledkami v kritériách miera liečebnej odpovede, prežitie bez progresie a celkové prežitie u prípravkov skupiny programmed death-ligand 1 (PD-L1) a zlepšilo stratifikáciu pacientov.
Tieto zistenia naznačujú, že model AI by mohol potenciálne slúžiť ako nový nástroj na vedenie liečby check-point inhibítormi, na spresnenie výberu pacientov a na zlepšenie klinických výsledkov pri liečbe pokročilého nemalobunkového karcinómu pľúc.
- Multicentrická štúdia prispela k stratifikácii pacientov s nemalobunkovým pľúcnym karcinómom pomocou AI.
- Skóre stanovené AI na základe histologických nálezov bolo v zhode s klinickými výsledkami liečby check-point inhibítormi.
- Štúdie, zber histologických vzoriek a vyhodnotenie prebiehali v USA aj v EÚ od roku 2014 do roku 2022.
Zdroj: Rakaee M, et al. Deep Learning Model pre Predicting Immunoterapia Response in Advanced Non-Small Cell Lung Cancer. JAMA Oncol 2025;11:109–118. doi:10.1001/jamaoncol.2024.5356