Tratamento de precisão de CHC irressecável guiado por modelos de aprendizagem profunda multiômica

A cirurgia é o principal tratamento curativo para pacientes com carcinoma hepatocelular (CHC), mas 70% -80% dos pacientes com CHC estão nos estágios médio e avançado no momento do diagnóstico e não podem ser ressecados cirurgicamente. A terapia local e sistêmica são os principais tratamentos para CHC irressecável. Dois ensaios recentes de HAIC combinados com anticorpo PD-1 e terapia direcionada relataram taxas de resposta objetiva (ORR) de 43,3% a 77,1%. Contudo, a seleção dos pacientes que se beneficiarão da terapia continua sendo um grande desafio para o tratamento individualizado do CHC, o que requer uma previsão mais precisa da terapia combinada.

Com o avanço da tecnologia de sequenciamento, cada vez mais dados biológicos refinados podem ser obtidos, incluindo radiômica, patologia, genômica e imunológica. Nos últimos anos, o desenvolvimento de novos métodos, como redes neurais de grafos e PHATE multiescala, tornou possível a integração de dados multiômicos. O uso de modelos de inteligência artificial para integrar dados multimodais é um meio eficaz para prever a resposta ao tratamento com mais precisão, o que é útil para uma classificação mais precisa e detalhada de pacientes com diferentes resultados de tratamento, e para explorar o mecanismo interno de resposta ao tratamento ou não.

Construímos um modelo de predição de aprendizagem profunda multiômica com base nos dados de coorte retrospectivos de vários centros médicos (que receberam HAIC combinado com terapia alvo e imunoterapia). O modelo poderia distinguir melhor os pacientes que se beneficiariam da terapia combinada, com uma AUC de 0,86.

Portanto, os investigadores conduziram este estudo multicêntrico, prospectivo e de braço único para explorar a resposta e o prognóstico da terapia combinada em uma população selecionada pelo modelo e para avaliar o poder preditivo do modelo.