《自然医学》:人工智能工具有助于预测肺癌患者的免疫治疗结果

该研究报告了I3LUNG项目的研究结果，这是一项大型国际试验，旨在通过开发基于人工智能的预测模型来改善转移性非小细胞肺癌的当前治疗方法，该模型可以帮助确定每个个体的最佳治疗方法。

免疫疗法——一种增强和利用患者免疫系统对抗癌细胞的能力的癌症治疗方法——已经改变了肺癌的治疗方法，使20%至30%的患者获得了长期的益处。然而，大多数患者对治疗有耐药性，医生仍然不能可靠地预测哪些患者将从免疫治疗中受益。目前，治疗决定很大程度上依赖于PD-L1的表达，这是一种众所周知的局限性生物标志物。

“我们需要更智能的工具，”医学博士、芝加哥大学医学院医学教授、该研究的资深作者、胸部肿瘤学家Marina Garassino说。

更好的预测性生物标志物可以在诊断时确定哪些患者可能对免疫治疗有反应，避免不必要的毒性和不必要的成本。提高这些预测的能力可以帮助医生更好地为个别患者量身定制治疗方案。I3LUNG项目旨在开发和验证人工智能工具，以支持晚期非小细胞肺癌的免疫治疗决策。

在这项研究中，国际研究小组在意大利、德国、希腊、以色列、西班牙和美国的六个中心招募了2396名接受免疫治疗的晚期非小细胞肺癌患者。在项目的第一阶段，该团队将来自每位患者的多种类型的数据（包括临床、影像、病理和基因组数据）整合到数据库中。然后，他们建立并测试了两组人工智能模型，这些模型经过训练，可以使用收集到的所有数据预测治疗反应和生存率。

研究人员发现，他们的人工智能模型一直优于所有标准的临床生物标志物。曲线下面积（Area Under the Curve，简称AUC）是一种机器学习指标，用于量化人工智能模型在正确分类信息方面的表现，或者在这种情况下，准确预测生存结果。在I3LUNG研究中，使用临床和血液数据的AI模型的AUC得分为0.77，而结合临床和血液数据以及成像和数字病理的模型的AUC得分为0.88。

该研究的一部分测试了人类与人工智能工具合作时会发生什么。20名医生——10名肺癌专家和10名其他专业的专家——审查了100例真实病例，首先没有人工智能的支持，然后有了人工智能的支持。使用人工智能工具可以将识别响应者的AUC从0.72提高到0.87。非肺癌专家的医生表现出最大的改善，这一发现与胸科专业知识有限的社区肿瘤学环境直接相关。医生之间的共识从轻微上升到中度，这表明该工具还促进了不同经验水平的临床推理更加一致。

“机器和临床逻辑之间的这种一致性对于在人工智能辅助决策中建立信任至关重要。”Marina Garassino博士说。

目前的研究报告了该项目的回顾阶段。I3LUNG目前正在六个国际中心招募2000多名患者，使研究人员能够专注于治疗优化。他们说，这个维度很重要，因为人工智能模型评估不仅要考虑模型的性能，还要考虑其在临床中的可用性。

I3LUNG为胸部肿瘤学人工智能树立了新的标杆。Garassino说：“即使是基于常规的临床数据，决策支持工具也可以比我们今天所依赖的生物标志物表现得更好。”对病人来说，这意味着更少的错过治疗的机会。对于社区医生来说，这意味着在护理点获得专家级的指导。对于该领域，它提供了一个严格、公平和可解释的框架——在不同的医疗保健系统和人群中得到验证——可以作为下一代精确免疫治疗的全球平台。

参考文献

Clinical usability of an explainable AI decision support tool and evaluation of multimodal models in NSCLC