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。

在进展和复发性小细胞肺癌（NSCLC）中，分子靶标药物和免疫检查点抑制剂（ICI）的出现导致范式转移到进展和经常性NSCLC。分子靶向药物是驱动基因突变，ICI可以在一定程度上预测PD-L1免疫素（表达）的效果，但是建立更准确的治疗效应预测模型是一个重要问题。在这项研究中，建立和培训了机器学习模型，以估计临床信息，治疗信息和图像数据（包括现有生物标志物）的影响。也就是说，通过结合现有的生物标志物，CT图像和PET-CT图像，测量了每种治疗方法的可能性，目的是创建一个模型，从中选择最佳治疗方法。他制定了一个研究实施计划，并获得了我们的道德委员会的批准。基于此计划，从电子病历中提取了图像和患者背景的数据。其中，我们正在与研究人员和研究合作者分析一些数据。首先，作为该模型的原型，我们试图创建一个预测EGFR突变测试的模型，这是驱动程序突变之一。结果，建议可以使用深度学习来支持NSCLC的治疗算法。这项研究是可以预期的，预计将整合临床信息，临床信息，CT图像和PET-CT图像，并且根据案例的特征将可以进行最佳治疗选择。

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