APOLLO 11，参与治疗肺癌患者创新疗法的意大利中心联盟：真实世界数据和转化研究

随着几种创新疗法（“靶向”疗法、免疫疗法 (IO) 和/或下一代疗法）的出现，预后/预测性和/或耐药性生物标志物的鉴定代表了晚期肺癌 (aLC) 转化研究的主要目标. 特别是，随着 IO 的到来，晚期非小细胞肺癌 (NSCLC) 患者 (pts) 的治疗前景发生了根本性的变化，显着延长了总生存期 (OS)。 程序性死亡配体 1 (PD-L1) 的作用仍未明确，迄今为止没有其他生物标志物用于选择 IO 患者。 人工智能 (AI) 框架综合和关联来自不同数据源的信息，是构建增强个性化预测的算法的潜在高效工具。

APOLLO 11 的主要目标是通过创建分散的长期国家数据库和“虚拟”多级生物库，在现实世界数据和转化研究上建立强大的意大利长期肺癌网络（在大约 48 个意大利中心）。 这将允许避免单一机构数据的无价值分散，由于患者数量有限和统计能力低，这些数据通常未被使用和不确定。 此外，APOLLO 11 将以“团结就是力量”的信条利用转化研究的联合努力。 多层结构也是为最小的中心设计的，使他们有可能为生物库做出贡献，看看他们的内部设施。

APOLLO 11 的目标是通过完全激活 48 个相关中心中的至少 20 个来建立联盟，这些中心能够在数据库中收集数据，并保证至少 10 个生物样本库的激活准备就绪，能够收集样本（肿瘤组织、血液、粪便和尿）。 此外，该项目的关键科学目标是提供有关接受 IO 治疗的非小细胞肺癌患者的答案。 特别是，尝试使用人工智能/机器/深度学习 (AI/DL/ML) 方法找到一种“软件”生物标记，与护理标准单一生物标记（例如 PD-L1、TMB）相比，能够更好地预测 IO 选择。 将收集来自所有激活中心的真实世界（人口统计学、组织学、PD-L1、分子、治疗和结果信息等）、放射组学和可用的（来自以前的研究）多组学数据。 此外，还将进行单细胞 RNA 测序 (scRNA seq) 分析。 最后，AI/ML/DL 将用于整合多源数据，对其进行分析并开发 IO 疗效在 NSCLC 患者中的预测算法。 将使用可解释的可信人工智能 (XAI) 方法，以便更好地理解用于解释临床和生物学洞察力的黑匣子。