AI-Hope Lung Cancer: Opbygning af et forudsigeligt værktøj til metastatisk lungekræft

Målet med vores projekt er at opbygge en prædiktiv responsalgoritme for patienter med metastatisk lungekræft ved at udnytte en kunstig intelligens platform. Den vil indsamle patientinformation fra alle områder (klinisk, laboratorie-, radiologisk, patologisk) og analysere dem, forstå sammenhænge og sammenhænge, ​​både ved baseline og på forudbestemte tidspunkter. Det ville føre til udviklingen af ​​en pålidelig og konstant udviklende prædiktiv score, i stand til løbende at genvægte vigtigheden af ​​hver variabel, efterhånden som nye data kommer ind.

Da det største kliniske behov er at identificere ikke-respondere på immunterapi og kemo-immunterapi-kombination (30 % af alle behandlede patienter), er disse to populationer defineret som startkohorter (kohorte A, immunterapi alene, kohorte B, kombinationer af kemo-immunterapi) .

For hver kohorte skal tre hovedspørgsmål besvares:

Q1) Tidlige fremskridtere (defineret som progressiv sygdom eller død inden for tre måneder efter behandlingen eller ved første radiologiske genopretning) Q2) toksicitet (med et specielt fokus på alvorlige toksiciteter G≥3) Q3) Lange overlevende (defineret som patienter, der når en samlet overlevelse af Mindst 1,5x median samlet overlevelse i registrerende forsøg)

Den tidlige identifikation af ikke-responderende, højrisikopatienter (eller på den anden side lange overlevende) ville hjælpe deres sundhedsplanlægning, give individualiserede opfølgningsstrategier eller tilskynde til deres optagelse i alternative behandlinger (f.eks. Kliniske forsøg).

For alle kohorter vil første dataregistrering være retrospektiv, og den anden dataregistrering vil være potentiel (som valideringssæt).