I3LUNG：通过免疫疗法进行个性化肺癌治疗的综合科学、智能数据平台

I3LUNG 项目旨在通过以多模态患者数据为模型的人工智能/机器学习（AI/ML），以及在现实生活中实施 AI/ML 模型，实现个性化医疗的最高性能。 为该项目设计和验证的一组以患者为中心的 ML 工具，利用新型虚拟患者 AVATAR 实体来预测进展和结果。 为了最大限度地发挥其影响，使用可信赖的可解释人工智能方法将人工智能的固有性能与人类直觉的输入相结合，构建一个负责任的人工智能应用程序，能够在非小细胞肺癌中完全实施真正个性化的治疗决策，对临床医生来说是可解释和值得信赖的。 最终目标是建立全球数据共享和完善平台 (DSEP)。 DSEP 将为患者提供指导工具，提供信息以提高对治疗的认识。 最后，它使研究人员和一般科学界能够访问有关 NSCLC 的最新数据源。

在 I3LUNG 项目中，将开发针对 NSCLC 患者的临时 IPDAS。 患者决策辅助工具是患者在咨询医生之前或期间可能使用的工具。 患者决策辅助工具明确表示要做出的决定，并通过关注危害和益处为患者提供有关每种治疗方案的用户友好信息。 该工具可以让患者解释和澄清 AI/ML 方法提供的信息的高度复杂性。 这些决策支持系统已被证明可以有效地增强患者的能力，提高他们的知识，促进他们积极参与临床治疗决策，并提高患者对护理的总体满意度，同时减少决策冲突和决策后悔 (26-30)。

最后，在 I3LUNG 项目中，将评估在临床咨询期间使用 IPDAS 是否会促进共同决策的质量以及医患沟通的质量。 除了评估 IPDAS 的影响外，还将评估将 AI/ML 预测模型纳入临床实践是否会在支持肿瘤学家的临床决策以及减少认知疲劳和决策冲突方面增加价值。

I3LUNG 采用双管齐下的方法开发医疗设备，通过创建和验证基于人工智能的回顾性和前瞻性模型，通过回顾性整合多源数据（真实数据和多组学数据）来预测 NSCLC 患者的免疫治疗效果- 建立 2000 名患者可用数据的跨国平台 - 以及 200 名 NSCLS 患者的前瞻性 - 多组学前瞻性数据收集 - 研究阶段。

I3LUNG 项目的回顾性部分包括对 2,000 多名患者的多中心回顾性队列的分析。 该队列将用于执行初步知识提取阶段并构建 IO（R 模型）的回顾性预测模型，该模型将用于前瞻性研究阶段以创建 PDSS 工具的第一个版本，一个基于 AI 的工具工具提供对预测模型的简单易用的访问，提高护理的适当性，减少长期和有毒治疗对健康和医疗保健成本的负面影响。 此外，还将收集 CT 和 PET 扫描，并创建第一个放射组学特征来为 R 模型提供数据。

该项目的前瞻性部分包括收集和分析来自约 200 名患者的多中心前瞻性队列的多 OMIC 数据。 该群组将用于通过创建新模型（P 模型）来验证从回顾模型获得的结果，该模型将用于创建最终的 PDSS 工具。