Nature Medicine：人工智能工具成功预测肺癌免疫疗法的疗效

发表在《自然医学》杂志上的一项新研究表明，人工智能（AI）工具可以帮助医生预测接受免疫疗法治疗的晚期非小细胞肺癌（NSCLC）患者的治疗效果和生存结果。该研究报告了I3LUNG项目的研究结果。I3LUNG项目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进目前转移性NSCLC的治疗，这些模型可以帮助确定每位患者的最佳治疗方案。

免疫疗法是一种利用患者自身免疫系统对抗癌细胞的癌症治疗方法，它彻底改变了肺癌的治疗格局，使20%至30%的患者获得了长期疗效。然而，大多数患者最终都会产生耐药性，医生目前仍无法可靠地预测哪些患者能够从免疫疗法中获益。如今，治疗决策很大程度上依赖于PD-L1的表达——但PD-L1作为一种生物标志物，其局限性也众所周知。

“我们需要更智能的工具，”芝加哥大学医学中心胸外科肿瘤学家、医学教授兼该研究的资深作者Marina Garassino医学博士说。

更精准的预测性生物标志物能够在诊断时识别出哪些患者可能对免疫疗法产生反应，从而避免不必要的毒性和费用。提高这些预测能力有助于医生更好地为个体患者制定个性化治疗方案。I3LUNG 项目旨在开发和验证人工智能工具，以辅助晚期非小细胞肺癌的免疫疗法决策。

为了开展这项研究，国际研究团队在意大利、德国、希腊、以色列、西班牙和美国的六个中心招募了2396名接受免疫疗法治疗的晚期非小细胞肺癌（NSCLC）患者。在项目的第一阶段，研究团队将每位患者的多种数据（包括临床数据、影像数据、病理数据和基因组数据）整合到一个数据库中。随后，他们利用所有收集到的数据，构建并测试了两组人工智能模型，用于预测治疗反应和生存期。

研究人员发现，他们的人工智能模型始终优于所有标准临床生物标志物。曲线下面积（AUC）是一种机器学习指标，用于量化人工智能模型正确分类信息（在本例中为准确预测生存结果）的能力。AUC 值在 0.8 到 0.9 之间被认为是“优秀”。在 I3LUNG 研究中，使用临床和血液数据的人工智能模型的 AUC 值为 0.77，而结合了临床和血液数据以及影像和数字病理数据的模型的 AUC 值为 0.88。

该研究的一部分测试了人类与人工智能工具协作时的效果。20 位医生——10 位肺癌专家和 10 位其他专科医生——分别在没有人工智能辅助和有人工智能辅助的情况下，审阅了 100 例真实患者病例。使用人工智能工具后，识别有效应答者的敏感性从 AUC 0.72 提高到 0.87。非肺癌专家的医生表现最为显著，这一发现与胸外科专业知识可能有限的社区肿瘤科机构直接相关。医生间的一致性从轻微提高到中等，表明该工具还能促进不同经验水平的医生进行更一致的临床推理。

“机器逻辑与临床逻辑的这种一致性对于建立人们对人工智能辅助决策的信任至关重要，”加拉西诺说。

本研究报告了该项目的回顾性阶段。I3LUNG项目目前正在六个国际中心前瞻性地招募2000多名患者，使研究人员能够专注于治疗方案的优化。他们表示，这一方面至关重要，因为人工智能模型的评估不仅应关注模型性能，还应关注其在临床中的实用性。

“I3LUNG 为胸部肿瘤学领域的人工智能树立了新的标杆。即使是基于常规临床数据构建的决策支持工具，其性能也能超越我们目前依赖的生物标志物，”Garassino 表示。“对于患者而言，这意味着更少的治疗获益机会被错失。对于社区医生而言，这意味着在诊疗现场即可获得专家级指导。对于整个领域而言，它提供了一个严谨、公平且可解释的框架——该框架已在不同的医疗保健系统和人群中得到验证——可以作为下一代精准免疫疗法的全球平台。”