CT-basert radiomisk algoritme for å hjelpe kirurgisk beslutning og forutsi immunterapirespons av NSCLC (TOP-RLC)

Tidlig påvisning og diagnostisering av lungeknuter er klinisk signifikant når det gjelder optimal behandlingsvalg og unngåelse av unødvendige kirurgiske prosedyrer. Deferensielle patologiresultater forårsaker vidt forskjellige prognoser etter standard kirurgi blant pulmonal precancerøs lesjon, atypisk adenomatøs hyperplasi (AAH) så vel som adenokarsinom in situ (AIS) og tidlig stadium invasivt adenokarsinom (IAC). Mikroinvasjonen av pulmonal perifokal interstitium er vanskelig å identifisere fra AIS med mindre patologisk immunhistokjemisk studie ble implementert etter operasjonen, noe som kan føre til forlenget prosedyretid og upassende kirurgisk beslutningstaking. Nøkkelfunksjonsavledede variabler screenet fra CT-skanninger via statistikk og maskinlæringsalgoritmer, kan danne en radiomikrisk signatur for sykdomsdiagnose, tumorstadieinndeling, terapirespons og pasientprognose. Formålet med denne studien var å undersøke om den kombinerte radiomiske signaturen basert på de fokale og perifokale (5 mm) radiomiske egenskapene effektivt kan forbedre prediktiv ytelse for å skille precancerøse lesjoner fra tidlig stadium av lungeadenokarsinom. Dessuten er immunterapiresponsen forskjellig blant pasienter, og ikke mer enn 20% av pasientene kan ha nytte av det. Ingen pålitelig biomarkør er funnet ennå, forventer programmert dødsligand 1 (PD-L1) uttrykk, den eneste godkjente biomarkøren for immunterapi. Nyere rapporter antydet imidlertid at pasienter kunne ha nytte av immunterapi uavhengig av PD-L1 positiv eller negativ. Derimot har radiomikser vist fordelene ved ikke-invasivitet, lett tilgjengelig og ingen begrensning av prøvetaking. Derfor brukte vi denne strategien for å forutsi immunterapiresponsen til avanserte NSCLC-lungekreftpasienter som mottar immunkontrollpunkthemmere (ICIs), som ville forhindre en pasient som ikke er til fordel for den negative effekten av ICI.