Прогнозирование ответа на блокаду контрольной точки PD-1 с использованием глубокого анализа изображений и клинических данных (Onc AI)

Недавние исследования фазы III продемонстрировали эффективность атезолизумаба (PD-L1) при метастатическом тройном негативном раке молочной железы [3] и мелкоклеточном раке легкого, в то время как стандарт лечения немелкоклеточного рака легкого стадии III изменился с положительными результатами. исследования PACIFIC Phase III, где дурвалумаб (PD-L1), введенный после химиолучевой терапии, показал значительное увеличение общей выживаемости.

Низкая частота ответа, как правило, в диапазоне от 15% до 20% при большинстве заболеваний при использовании в качестве единственного агента, высокая стоимость терапии во всем мире (150 000 долларов США или более в год в США) и серьезные иммуноопосредованные нежелательные явления, особенно при PD-1. Ингибиторы /PD-L1 комбинируют с ингибиторами CTLA-4 (ипилимумаб). Непредсказуемые и низкие показатели ответа пациентов в сочетании с высокой стоимостью лекарств и серьезной токсичностью могут значительно обременить системы здравоохранения, сторонних плательщиков и пациентов. Очевидно, что необходимы диагностические инструменты для стратификации пациентов в соответствии с вероятностью ответа, поскольку ингибиторы контрольных точек PD-[L]1 продолжают получать распространение.

Биомаркер стандарта лечения представляет собой иммуногистохимический (ИГХ) тест, который измеряет уровни белка PD-L1, экспрессированного в образцах опухоли. Мутационная нагрузка опухоли, наличие инфильтрирующих опухоль лимфоцитов и воспалительных цитокинов изучаются в многочисленных клинических испытаниях с участием PD-(L)1, часто в сочетании с дополнительной иммуноонкологической терапией (ИО). может дать представление и информацию о всей опухолевой массе пациента, а не о образце подмножества поражений (как это делается с помощью биопсии или анализов на основе сыворотки). Когда диагностические изображения, изображающие все поддающиеся лечению поражения, дополнительно анализируются с помощью вычислительных методов, таких как машинное обучение и искусственный интеллект, что приводит к идентификации соответствующих биомаркеров визуализации, может быть достигнута точная общая оценка реакции пациента на терапию PD-[L]1. .