小细胞肺癌（SCLC）是一种高度侵袭性的神经内分泌肿瘤，占所有肺癌的15%。随着免疫治疗在小细胞肺癌治疗中的突破性进展，如何有效预测治疗效果成为临床关注的重点。免疫检查点抑制剂(immune checkpoint inhibitors, ICIs)联合化疗已被批准为一线治疗方案，但其疗效预测仍具有挑战性。目前尚未发现可靠的生物标志物来预测ICI疗效。近日，Malignancy Spectrum期刊上发表了一篇题为“Neural network models based on clinical characteristics for predicting immunotherapy efficacy in small cell lung cancer”的研究论文，该研究利用深度学习技术，开发了一种新型的预测模型，为临床医生提供了一个强有力的辅助工具。
研究团队回顾性分析了140名接受免疫治疗的SCLC患者数据，将其分为发现队列和验证队列。通过构建和训练神经网络模型，研究人员构建了三个临床结果的预测模型，成功预测了客观反应率（ORR）、疾病控制率（DCR）以及无进展生存期（PFS）超过6个月的患者比例。研究结果显示，ORR模型在发现队列中达到了0.8964的AUC值，在验证队列中达到了0.8421的AUC值，显示出较高的预测准确性（图1）。该模型被打包成一款Windows桌面工具，以方便临床医师使用。
这项基于常规临床特征的神经网络模型能够准确预测SCLC患者的免疫治疗效果，特别是在预测客观缓解率方面表现突出。这一研究成果不仅为SCLC患者的个体化治疗提供了新的科学依据，也为未来免疫治疗的临床决策提供了重要参考和重要的辅助工具，有助于提高小细胞肺癌患者的预后和生活质量。研究团队表示，他们将继续优化模型，并在多中心、大样本的前瞻性研究中进一步验证模型的稳定性和普适性。
这项研究由北京胸科医院肿瘤研究中心、四川省人民医院胸外科和北京市结核病胸部肿瘤研究所共同完成。
图1 不同神经网络模型的结构和 ROC曲线。
期刊
Malignancy Spectrum
DOI
10.1002/msp2.41
标题
Neural network models based on clinical characteristics for predicting immunotherapy efficacy in small cell lung cancer
作者
Wei Li, Zhaoxin Chen, Mingjun Lu, Zhendong Lu, Siyun Fu, Yuhua Wu, Hong Tao, Liang Shi, Teng Ma, Jinghui Wang
通讯作者
Teng Ma, Jinghui Wang
关键词
immunotherapy, small cell lung cancer, neural network, deep learning, predictive model
引用这篇文章
Wei Li et al. Neural network models based on clinical characteristics for predicting immunotherapy efficacy in small cell lung cancer. Malignancy Spectrum. 2024;1(3):162−174. https://doi.org/10.1002/msp2.41
Malignancy Spectrum（《肿瘤学全景》）是由教育部主管、高等教育出版社主办、Wiley海外发行的英文学术期刊。期刊着眼于肿瘤学领域的全学科建设，聚焦肿瘤科学领域的重大热点问题，注重肿瘤学与相关学科的交叉融合发展。研究范围覆盖基础、转化和临床领域，涵盖肿瘤的发生发展、治疗和康复研究，致力于跨领域合作和前沿技术交叉融合，旨在引领肿瘤学及交叉学科的行业发展。2022年度入选“中国科技期刊卓越行动计划高起点新刊项目”。
Malignancy Spectrum（《肿瘤学全景》）由詹启敏院士担任主编，四川大学华西医院李为民教授、北京大学第三医院付卫教授、美国莫菲特肿瘤研究中心Conor Lynch教授担任共同主编。
