【摘 要】
：
研究背景:免疫检查点抑制剂（immune checkpoint inhibitors）已成为晚期非小细胞肺癌（Non-Small Cell Lung Cancer,NSCLC）的标准一线治疗方案,如PD-1抑制剂和PD-L1抑制剂,给部分患者带来了显著的临床生存获益,但其在临床整体的药物应答率仍然不高。为了避免无效或低效用药给患者带来的不良反应和经济负担,目前已有诸多预测非小细胞肺癌免疫治疗的生物
论文部分内容阅读
研究背景:免疫检查点抑制剂（immune checkpoint inhibitors）已成为晚期非小细胞肺癌（Non-Small Cell Lung Cancer,NSCLC）的标准一线治疗方案,如PD-1抑制剂和PD-L1抑制剂,给部分患者带来了显著的临床生存获益,但其在临床整体的药物应答率仍然不高。为了避免无效或低效用药给患者带来的不良反应和经济负担,目前已有诸多预测非小细胞肺癌免疫治疗的生物标记物,比如PD-L1表达丰度、肿瘤突变负荷（TMB）和肿瘤淋巴细胞浸润程度等,但囿于敏感度和特异度尚不高、有创性和取样的区域局限性,更多有效的生物标记物有待开发和探索。影像组学是一门将医学图像转换为高维可挖掘数据并应用生物信息学算法进行分析的分析工具。具有无创性,标准化和整体性等优点。大量的研究表明,影像组学在预测肿瘤早期诊断、预测治疗的病理反应和淋巴结转移等方面有独到的优势。肿瘤免疫微环境所在的肿瘤癌旁区域在免疫治疗过程中有着重要作用,然而,在预测免疫治疗疗效上,很多影像组学研究忽略了癌旁影像组学特征的作用,而只聚焦在肿瘤本身的影像组学特征,癌旁影像组学特征与晚期NSCLC免疫治疗疗效的关系有待进一步探索。研究目的:本研究旨在探索临床相关变量、肿瘤及癌旁影像组学与NSCLC免疫治疗疗效之间的关系,从肺部病灶评估了其影像组学特征在预测晚期非小细胞肺癌患者对多种ICIs的反应,以确定治疗前CT影像组学特征在单独或结合临床因素的情况下,可以预测随后的免疫治疗是否可以产生持续临床获益,以及预测晚期NSCLC患者的无进展生存期（Progression-free Survival,PFS）和总体生存情况（Overall Survival,OS）。研究方法:本研究回顾性分析了自2016年1月至2020年12月在广东省人民医院接受首程免疫治疗的非小细胞肺癌患者（n=214）,并纳入来自广东省人民医院（n=54）和江西省肿瘤医院（n=25）的患者组成独立验证队列,采用“Py Radiomics”软件包提取影像组学特征。采用最小绝对收缩和选择算子（LASSO）和logistic二元回归分析来筛选相关特征进而构建模型,以受试者工作曲线（ROC）来评估模型效能。研究结果:本研究共纳入了来自两个独立研究中心的共293名临床晚期非小细胞肺癌患者,包括了训练集（T）、内部验证集（Vi）、独立验证集1（V1）和独立验证集2（V2）,其结合癌周和癌灶影像组学特征模型的AUC分别为0.817（95%CI,0.750-0.884）、0.752（95%CI,0.636-0.869）、0.791（95%CI,0.670-0.912）和0.721（95%CI,0.516-0.925）。结合临床特征的影像组学多模态诺莫图在训练集、内部验证集和独立验证集1的模型效能AUC分别为0.837（95%CI,0.768-0.907）,0.790（95%CI,0.669-0.911）,0.781（95%CI,0.651-0.911）。对于训练组和内部验证组多模态模型可显著区分接受免疫治疗的晚期NSCLC患者治疗后生存情况,不论PFS（P＜0.0001）还是OS（P＜0.0001）。结论:通过结合临床特征和结合癌旁影像组学多模态变量所构建的诺莫图多模态模型被证明具有准确预测晚期非小细胞肺癌免疫治疗疗效的潜力,并对该患者人群具有一定生存预测意义。
其他文献
以卷积神经网络为代表的深度学习相关方法蓬勃发展,在解决图像、语音等感知类问题上已取得了重大突破。深度学习相关方法发展至今,前后提出了AlexNet、VGG、GoogLeNet、ResNet和DenseNet等目前主流的深度学习模型,模型朝着网络层数更深、构建技巧更多的方向发展。这些研究成果真正推动了深度学习的发展,加速了深度学习相关研究成果的落地应用。然而事物的发展往往具有两面性,随着深度学习相关
互联网和社交媒体激发了对社交网络分析的巨大兴趣,社团检测已经成为社交网络挖掘的重点领域之一,具有十分重要的研究意义。算法和工具不断被开发来分析我们的个人关系、社团关系,这在帮助我们研究群体之间相互作用、预测复杂系统的隐含关系的同时,也引发了隐私问题。因此,在本文中我们对社团检测和社团隐藏问题进行了研究,提出了一种基于粗糙集理论挖掘频繁项集的社团检测算法FIR（Detect Community by
电力负荷预测作为智能电网运行的重要环节,其更好的准确性可以保障能源的优化管理。但现今电力负荷呈现数据量大和非线性复杂变化的特点,所以如何提高预测精度是一项必要且复杂的任务。目前电力负荷预测技术普遍面临着单一模型无法满足复杂预测场景精度要求的问题,并且许多预测方法为追求整体的趋势和误差最小化,忽略了对预测点个体的相似性兼顾、预测精度保证以及预测场景保护。鉴于此,本文构建了一种基于双向长短期记忆神经网
随着社会的飞速发展,人们的生活节奏日益加快,来自工作、生活等各方面的压力也随之增加。近年来,焦虑症的发病率逐年上升。焦虑症,又称为焦急症或焦虑障碍,是一种以过度的焦虑或恐惧反应为特征的精神疾病。焦虑症可以细分为多种亚型,包括:广泛性焦虑症（Generalized Anxiety Disorder,GAD）、社交性焦虑症、分离焦虑症、广场焦虑症和选择性缄默症等。目前,对焦虑症的诊断以医生的临床经验和
良性阵发性位置性眩晕症（Benign Paroxysmal Positional Vertigo,BPPV）是最常见的前庭眩晕疾病之一,有着发病率高、诊断困难等特点。目前对于BPPV诊断的研究主要集中于临床,依靠医生的经验综合分析受试者的眼球运动和体位信息进行诊断。为了提高临床诊断效率,降低误诊率,探索机器学习与BPPV诊断相结合的智能化诊疗系统具有重要临床意义。论文主要工作内容如下:1、BPPV
目的:膀胱癌是泌尿系统最常见的恶性肿瘤之一,尽管近年来我国医疗水平不断提高,但膀胱癌的发病率和死亡率依旧很高。膀胱癌严重威胁着人们的生命健康,同时给社会带来了沉重的经济负担。在疾病早期明确诊断可以显著提高患者后续的生存率和生活质量。寻找简便、高诊断效能、无创、便于大规模推行的人群筛查方式具有重要意义。miRNA已被证实参与肿瘤的发生、发生过程,存在于血清、血浆、眼泪或尿液等体液中的循环miRNA更
研究背景三阴性乳腺癌是一类具有异质性特征的乳腺癌,包含了多种在病理形态学、生物学特征上表现不同的实质性成分,可分为非特殊病理类型与特殊病理类型。由于三阴性乳腺癌特殊病理类型较为罕见（在三阴性乳腺癌中发病率为10-15%）,目前对于这部分乳腺癌患者仍缺乏临床特征、免疫组化状态及分子特征方面的深入研究。近年来,三阴性乳腺癌在免疫治疗、靶向治疗方面逐步取得进展,探寻三阴性乳腺癌非特殊与特殊病理类型患者的
目的:本研究旨在通过探究并验证膝关节OA应力集中区与非集中区软骨的潜在关键基因,进一步了解OA软骨损伤的内在机制。方法:我们在GEO数据库下载了GSE117999的mRNA微阵列数据用以生物信息学分析,筛选得到差异表达基因（筛选标准:adj.P＜0.05,|log2FC|＞1）,随后对差异表达基因进行基因本体（GO）注释和京都基因与基因组百科全书（KEGG）通路富集分析,然后构建蛋白质相互作用（P
目的——近年来,许多植物病害给世界务农人群带来了痛苦,估计每年造成全球农作物产量减少14%。植物病理学旨在提高植物在不利的环境条件和能引起病害的寄生微生物下的生存机会,温度、p H值、湿度和水分是影响植物病害发生的环境因素。而植物病害种类的误诊会导致化学品滥用,一方面造成经济损失,环境失衡和污染,另一方面产生耐药性原体菌株,从而给农民增加更大的负担。目前对于人类检测的疾病诊断是耗时且昂贵的,基于植