AI-Hope Lung Cancer: Bygga ett förutsägbart verktyg för metastaserande lungcancer

Målet med vårt projekt är att bygga en prediktiv svarsalgoritm för patienter med metastaserad lungcancer, genom att utnyttja en plattform för artificiell intelligens. Den kommer att samla in patientinformation från alla områden (kliniska, laboratoriemässiga, radiologiska, patologiska) och analysera dem, förstå samband och samband, både vid baslinjen och vid fördefinierade tidpunkter. Det skulle leda till utvecklingen av en tillförlitlig och ständigt utvecklande prediktiv poäng, som kontinuerligt kan väga om vikten av varje variabel när ny data kommer in.

Eftersom det största kliniska behovet är att identifiera icke-svarande på immunterapi och kemo-immunterapikombination (30% av alla behandlade patienter) definieras dessa två populationer som startkohorter (kohort A, immunterapi ensam, kohort B, kemo-immunterapikombinationer)) .

För varje kohort ska tre huvudfrågor besvaras:

Q1) Tidiga progressioner (definieras som progressiv sjukdom eller död inom tre månader efter behandling eller vid första radiologisk ombyggnad) Q2) Toxicitet (med särskilt fokus på allvarliga toxiciteter G≥3) Q3) Långa överlevande (definieras som patienter som når en total överlevnad på minst 1,5 gånger median överlevnad i registrativa prövningar)

En tidig identifiering av icke-svarare, högriskpatienter (eller å andra sidan långa överlevande) skulle hjälpa deras vårdplanering, tillhandahålla individualiserade uppföljningsstrategier eller föranleda deras inkludering i alternativa behandlingar (t.ex. kliniska prövningar).

För alla kohorter kommer den första datainmatningen att vara retrospektiv och den andra datainmatningen kommer att vara prospektiv (som valideringsuppsättning).