AI-Hope-Lungenkrebs: Aufbau eines prädiktiven Instruments für metastasierende Lungenkrebs

Das Ziel unseres Projekts ist die Entwicklung eines prädiktiven Reaktionsalgorithmus für Patienten mit metastasiertem Lungenkrebs unter Nutzung einer Plattform für künstliche Intelligenz. Es sammelt Patienteninformationen aus allen Bereichen (klinisch, labortechnisch, radiologisch, pathologisch) und analysiert sie, um Zusammenhänge und Korrelationen zu verstehen, sowohl zu Studienbeginn als auch zu vorab festgelegten Zeitpunkten. Dies würde zur Entwicklung eines zuverlässigen und sich ständig weiterentwickelnden Vorhersagewerts führen, der in der Lage wäre, die Bedeutung jeder Variablen kontinuierlich neu zu gewichten, wenn neue Daten eingehen.

Da der größte klinische Bedarf darin besteht, diejenigen zu identifizieren, die nicht auf eine Kombination aus Immuntherapie und Chemo-Immuntherapie ansprechen (30 % aller behandelten Patienten), werden diese beiden Populationen als Startkohorten definiert (Kohorte A, Immuntherapie allein, Kohorte B, Chemo-Immuntherapie-Kombinationen). .

Für jede Kohorte sind drei Hauptfragen zu beantworten:

Q1) Frühe Progressoren (definiert als fortschreitende Erkrankung oder Tod innerhalb von drei Monaten nach der Behandlung oder bei der ersten radiologischen Neuinszenierung) Q2) Toxizität (mit besonderem Fokus auf schwere Toxizitäten G≥3) Q3) Lange Überlebende (definiert als Patienten, die ein Gesamtüberleben von erreichen mindestens 1,5-faches mittleres Gesamtüberleben in Registrierungsstudien)

Die frühzeitige Identifizierung von Non-Respondern, Hochrisikopatienten (oder andererseits Langzeitüberlebenden) würde deren Gesundheitsplanung erleichtern, individuelle Nachsorgestrategien bereitstellen oder ihre Einbeziehung in alternative Behandlungen (z. B. klinische Studien) veranlassen.

Für alle Kohorten erfolgt die erste Dateneingabe retrospektiv und die zweite Dateneingabe prospektiv (als Validierungssatz).