이미징 및 임상 데이터의 심층 학습 분석을 사용하여 PD-1 체크포인트 봉쇄에 대한 대응 예측 (Onc AI)

최근 3상 연구에서 전이성 삼중 음성 유방암[3] 및 소세포 폐암에서 아테졸리주맙(PD-L1)의 효과가 입증되었으며, 3기 비소세포 폐암에 대한 치료 표준은 긍정적인 결과로 변경되었습니다. PACIFIC 임상 3상 연구에서 화학방사선 요법 후 더발루맙(PD-L1)을 투여한 결과 전체 생존율이 크게 증가한 것으로 나타났습니다.

낮은 반응률, 일반적으로 단일 제제로 사용 시 대부분의 질병에서 15%~20% 범위, 전 세계적으로 높은 치료 비용(미국에서 연간 $150,000 이상) 및 심각한 면역 매개 부작용, 특히 PD-1 /PD-L1 억제제는 CTLA-4 억제제(ipilimumab)와 결합됩니다. 높은 약물 비용 및 심각한 독성과 함께 예측할 수 없고 낮은 환자 응답률은 의료 시스템, 제3자 지불자 및 환자에게 상당한 부담을 줄 수 있습니다. 분명히, PD-[L]1 체크포인트 억제제가 계속해서 채택됨에 따라 반응 가능성에 따라 환자를 계층화하는 진단 도구가 필요합니다.

표준 치료 바이오마커는 종양 샘플에서 발현되는 PD-L1 단백질의 수준을 측정하는 면역조직화학(IHC) 테스트입니다. 종양 돌연변이 부담, 종양 침윤 림프구 및 염증성 사이토카인의 존재는 PD-(L)1을 종종 추가 면역 종양(IO) 요법과 함께 포함하는 여러 임상 시험에서 탐구되고 있습니다. 병변의 하위 집합 샘플(생검 또는 혈청 기반 분석에서 제공)이 아닌 환자의 전체 종양 부담에 대한 통찰력과 정보를 제공할 수 있습니다. 치료 가능한 모든 병변을 나타내는 진단 이미지를 기계 학습 및 인공 지능과 같은 계산 기술로 추가 분석하여 관련 이미징 바이오마커를 식별하면 PD-[L]1 요법에 대한 환자 반응의 정확한 전체 평가를 얻을 수 있습니다. .