Forudsigelse af respons på PD-1 Checkpoint-blokade ved hjælp af Deep Learning-analyse af billeddannelse og kliniske data (Onc AI)

Nylige fase III-studier har vist effektiviteten af ​​atezolizumab (PD-L1) i metastatisk tripel-negativ brystkræft [3] og småcellet lungecancer, mens standarden for pleje for fase III ikke-småcellet lungekræft har ændret sig med positive resultater af PACIFIC fase III-studiet, hvor durvalumab (PD-L1) administreret efter kemoradiation viste en signifikant stigning i den samlede overlevelse.

Lave responsrater, generelt i intervallet 15 % til 20 % i de fleste sygdomme, når de bruges som et enkelt middel, høje behandlingsomkostninger globalt ($150.000 eller mere pr. år i USA) og alvorlige immunmedierede bivirkninger, især når PD-1 /PD-L1-hæmmere kombineres med CTLA-4-hæmmere (ipilimumab). Uforudsigelige og lave patientresponsrater kombineret med høje lægemiddelomkostninger og alvorlig toksicitet kan belaste sundhedssystemer, tredjepartsbetalere og patienter betydeligt. Det er klart, at diagnostiske værktøjer til at stratificere patienter efter sandsynlighed for respons er nødvendige, da PD-[L]1 checkpoint-hæmmere fortsætter med at blive adopteret.

Standard-of-care biomarkøren er en immunhistokemi (IHC) test, der måler niveauer af PD-L1-proteinet udtrykt i tumorprøver. Tumormutationsbyrde, tilstedeværelse af tumorinfiltrerende lymfocytter og inflammatoriske cytokiner undersøges i flere kliniske forsøg, der involverer PD-(L)1, ofte i kombination med yderligere immunonkologiske (IO)-terapier. I en sådan tilgang er en ikke-invasiv billedscanning kan give indsigt og information om patientens hele tumorbyrde snarere end en prøve af en undergruppe af læsioner (som leveret af biopsi eller serumbaserede analyser). Når diagnostiske billeder, der afbilder alle behandlelige læsioner, analyseres yderligere med beregningsteknikker såsom maskinlæring og kunstig intelligens, hvilket resulterer i identifikation af relevante billeddannende biomarkører, kan en nøjagtig samlet vurdering af patientens respons på PD-[L]1-terapi være opnåelig. .