Maskinlæring til forudsigelse og styring af livskvalitet hos lungekræftimmunterapipatienter

Lungekræft er den førende årsag til kræftforekomst og dødelighed i Kina, og den har samme position i USA. Ikke-småcellet lungekræft (NSCLC) er den mest almindelige histologiske type, der tegner sig for cirka 85 % af lungekræfttilfældene. Behandlingsstrategier baseret på patologi, molekylær subtypebestemmelse og klinisk stadieinddeling omfatter kirurgi, strålebehandling, kemoterapi, målrettet terapi og immunterapi. I de senere år er immunterapi blevet grundigt forsket og anvendt i lungekræftbehandling. Det virker ved at blokere bindingen af ​​PD-L1 på tumorceller til PD-1 på T-celler og derved frigive hæmningen af ​​T-cellefunktionen og dræbe tumorcellerne. Immunterapi er blevet standardbehandlingen for avanceret NSCLC uden drivermutationer, og den dækker hele spektret af ikke-kirurgisk lokalt avanceret NSCLC konsolideringsterapi, perioperativ neoadjuverende og adjuverende behandling for tidligt stadie NSCLC. Det er dog ikke alle patienter, der har gavn af immunterapi, med kun en lille undergruppe, der oplever klinisk fordel. Derfor er identifikation af resistensmekanismer, udvælgelse af populationer, der har gavn af behandling, og overvindelse af terapiresistens komplekse og udfordrende kliniske problemstillinger, der kræver samarbejde mellem grundlæggende, translationelle og kliniske onkologiske forskerhold.

I 1993 introducerede Verdenssundhedsorganisationen (WHO) begrebet Livskvalitet (QoL), som refererer til en persons opfattelse af deres position i livet inden for deres kulturelle og værdisystem, i forhold til deres mål, forventninger, standarder og bekymringer. . Få undersøgelser fokuserer på kræftpatienters QoL, især dem, der bruger patientrapporterede resultater (PRO) som et primært endepunkt. De fleste kliniske forsøg med kræftlægemidler bruger PRO'er som sekundære eller eksplorative endepunkter. Der er begrænset forskning, der betragter PRO'er som det primære endepunkt. Derfor er det væsentligt yderligere at undersøge sammenhængen mellem kræftpatienters helbredsrelaterede livskvalitet og prognose, samt dens relevans for immunterapi. Dette ville lette bedre tidlig identifikation af immunrelaterede uønskede hændelser og systematisk håndtering, forbedre behandlingsadhærens, QoL og sikre optimale behandlingsresultater.

Dette projekt har til formål at udvikle en risikoadvarselsmodel for sundhedsrelateret livskvalitet hos lungekræftpatienter, der modtager immunterapi baseret på maskinlæring. Ved at bruge klyngeanalyse vil undersøgelsen rense, validere og analysere de sundhedsrelaterede livskvalitetsdata fra QLQ-C30 og QLQ-LC13 spørgeskemaerne fra kliniske forsøg, der er tilgængelige på Vivli Global Clinical Research Data Sharing and Analysis Platform. Målet er at identificere fordelingen af ​​disse data og undersøge, om patientrapporterede resultater kan forudsige effektiviteten af ​​immunterapi, og dermed tjene som biomarkører til at identificere potentielle modtagere af immunterapi. Ydermere, baseret på en risikoadvarsel og stratificeret ledelsestilgang, har projektet til formål at designe passende symptominterventionsstrategier for forskellige PRO-typer hos immunterapipatienter, hvilket i sidste ende hjælper sundhedspersonale med bedre at forstå den symptombyrde, som lungekræftpatienter kan opleve under immunterapi, og tilbyder praktisk vejledning. til symptombehandling.