Developing a model to predict response to immune checkpoint inhibitor using machine learning

使用机器学习开发模型来预测对免疫检查点抑制剂的反应

• 批准号: 22K08268
• 负责人: 宿谷 威仁
• 金额: $ 2.66万
• 依托单位: Juntendo University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K08268/
• 关键词: 肺癌; 機械学習; 予測; 免疫チェックポイント阻害薬; 効果予測

進行・再発非小細胞肺癌 (NSCLC)において、分子標的薬および免疫チェックポイント阻害薬（ICI）の登場は、進行・再発NSCLCに対する治療にパラダイムシフトを起こした。分子標的治療薬はドライバー遺伝子変異の有無で、また、ICIはPD-L1免疫染色（発現）でその効果をある程度予測できるが、より正確な治療効果予測モデルの確立は重要な課題である。本研究では、既存のバイオマーカーを含む臨床情報及び治療情報、画像データを入力して効果量を推定する機械学習モデルを構築・訓練する。すなわち、既存のバイオマーカーとCT画像、PET-CT画像を組み合わせることにより、それぞれの治療方法の奏効する可能性を計測し、その中から、最適な治療方法を選ぶようなモデルの作成を目指す。研究実施計画書を作成し、当院の倫理委員会で承認を受けた。この計画書に基づき、画像および患者背景のデータを電子カルテから抽出している。このうち、一部のデータを研究分担者、研究協力者とともに解析を進めている。まずは、本モデルのプロトタイプとして、ドライバー変異の一つであるEGFR変異検査を予測するモデルの作成を試みた。その結果、NSCLCの治療アルゴリズムを支援するためにDeep Learningを利用できる可能性が十分にあることが示唆された。本研究を進め、進行・再発NSCLC患者の治療選択において、臨床情報と、CT画像、PET-CT画像を統合し、症例の特徴に応じた最適な治療選択が可能となることが期待される。

在晚期和复发性的非小细胞肺癌（NSCLC）中，分子靶向药物和免疫检查点抑制剂（ICI）的出现导致了晚期和复发性NSCLC的治疗范式转移。尽管可以通过在分子靶向疗法中使用驱动基因突变来预测分子靶向治疗剂，但ICI可以通过PD-L1的免疫染色（表达）在某种程度上预测其效果，从而建立一个更准确的预测治疗效果的模型。在这项研究中，我们将通过输入临床和​​治疗信息（包括现有的生物标志物和图像数据）来构建和训练机器学习模型，该模型通过输入临床和​​治疗信息来估算效果大小。换句话说，通过将现有的生物标志物与CT和PET-CT图像相结合，我们旨在衡量每种治疗方法有效的可能性，并创建一个模型，以选择其中最佳的治疗方法。我们的道德委员会制定并批准了一项研究实施计划。基于此计划，图像和患者背景数据是从电子病历中提取的。其中，一些数据正在与研究伙伴和研究伙伴一起进行分析。首先，我们尝试创建一个预测EGFR突变测试的模型，这是驱动程序突变之一，作为该模型的原型。结果表明，很有可能会使用深度学习来支持NSCLC的治疗算法。预计这项研究将通过将临床信息与CT图像和PET-CT图像相结合，在患有晚期或经常性NSCLC的患者中，可以根据情况的特征进行最佳的治疗选择。

项目成果

Development of Hybrid Vision Transformer to Predict Pharmacotherapy Efficacy in Non-Small Cell Lung Cancer Patients

开发混合视觉变压器来预测非小细胞肺癌患者的药物治疗效果

• 发表时间: 2023
• 作者: Shiting Xu;Takehito Shukuya;Kazuhiro Suzuki;Taichi Miyawaki;Shoko Sonobe Shimamura;Hironari Matsuda;Ryota Kanemaru;Tetsuhiko Asao;Tomoyasu Mimori;Yujiro Otsuka;Kazuhisa Takahashi
• 通讯作者: Kazuhisa Takahashi