利用神经网络预测小细胞肺癌的治疗结果

随着免疫疗法在小细胞肺癌（SCLC）治疗中取得突破性进展，预测治疗结果已成为临床实践的焦点。免疫疗法联合化疗已被批准作为小细胞肺癌的一线疗法，因为它在随机对照试验中具有生存获益。

然而，在缺乏当前可用的生物标志物的情况下，预测其功效仍然是一个挑战。近日，题为“基于临床特征的神经网络模型预测小细胞肺癌免疫治疗疗效”的研究发表在 恶性肿瘤谱。该研究利用深度学习技术开发了一种新颖的预测模型，为临床医生提供了强大的决策帮助。
研究小组回顾性分析了 140 名接受免疫治疗的 SCLC 患者的数据，将他们分为发现队列和验证队列。通过构建和训练神经网络模型，开发了三种临床结局的预测模型，研究人员成功预测了客观缓解率（ORR）、疾病控制率（DCR）和无进展生存期（PFS）患者比例超过六个月。研究结果显示，ORR模型在发现队列中的AUC值为0.8964，在验证队列中的AUC值为0.8421，表现出较高的预测准确性（图1）。然后这些模型被压缩成一个医生友好的工具。
该研究不仅为SCLC患者的个性化治疗提供了新的科学证据，也为未来免疫治疗的临床决策提供了重要参考。研究团队表示，将继续优化模型，并在多中心、大样本的前瞻性研究中进一步验证其稳定性和普适性。
本研究由首都医科大学附属北京胸科医院肿瘤研究中心/北京结核病胸部肿瘤研究所联合开展，四川省人民医院、电子科技大学、首都医科大学肿瘤内科共同参与。北京市结核病胸部肿瘤研究所/首都医科大学附属北京胸科医院。