Predicción de la respuesta al bloqueo de puntos de control de PD-1 mediante análisis de aprendizaje profundo de imágenes y datos clínicos (Onc AI)

Recientes estudios de fase III han demostrado la eficacia de atezolizumab (PD-L1) en el cáncer de mama triple negativo metastásico [3] y el cáncer de pulmón de células pequeñas, mientras que el estándar de atención para el cáncer de pulmón de células no pequeñas en estadio III ha cambiado con resultados positivos. del estudio de fase III PACIFIC, en el que durvalumab (PD-L1) administrado después de la quimiorradiación mostró un aumento significativo en la supervivencia general.

Tasas de respuesta bajas, generalmente en el rango de 15% a 20% en la mayoría de las enfermedades cuando se usa como agente único, costo de terapia alto a nivel mundial ($150,000 o más por año en los EE. UU.) y eventos adversos inmunomediados graves, particularmente cuando PD-1 Los inhibidores de /PD-L1 se combinan con los inhibidores de CTLA-4 (ipilimumab). Las tasas de respuesta impredecibles y bajas de los pacientes, junto con los altos costos de los medicamentos y las toxicidades graves, pueden representar una carga significativa para los sistemas de atención médica, los terceros pagadores y los pacientes. Claramente, las herramientas de diagnóstico para estratificar a los pacientes de acuerdo con la probabilidad de respuesta son necesarias a medida que los inhibidores del punto de control de PD-[L]1 continúan ganando adopción.

El biomarcador estándar de atención es una prueba de inmunohistoquímica (IHC) que mide los niveles de la proteína PD-L1 expresada en muestras de tumores. La carga mutacional del tumor, la presencia de linfocitos infiltrantes de tumores y citoquinas inflamatorias se están explorando en múltiples ensayos clínicos que involucran PD-(L)1, a menudo en combinación con terapias inmunooncológicas (IO) adicionales. puede proporcionar conocimientos e información sobre la carga tumoral completa del paciente en lugar de una muestra de un subconjunto de lesiones (como lo proporciona la biopsia o los ensayos basados ​​en suero). Cuando las imágenes de diagnóstico que representan todas las lesiones tratables se analizan más a fondo con técnicas computacionales como el aprendizaje automático y la inteligencia artificial, lo que da como resultado la identificación de biomarcadores de imágenes relevantes, se puede lograr una evaluación general precisa de la respuesta del paciente a la terapia con PD-[L]1 .