Skip to main content

Prevedere la risposta agli ICI con il deep learning nel NSCLC

A cura di David Frati By 1 Giugno 2024No Comments
Congressi

Un nuovo biomarcatore basato sul deep learning che utilizza le immagini TC pre-trattamento nei pazienti con NSCLC metastatico per prevedere le risposte alla immunoterapia anti PD-L1/PD-1 indipendentemente dallo stato di PD-L1 è stato presentato al meeting annuale dell’American Society of Clinical Oncology (ASCO), in corso a Chicago.

Ravi B. Parikh dell’University of Pennsylvania, che ha presentato i dati, spiega: “Il biomarcatore basato sulla TC è stato addestrato su un database real world multi-istituzionale per prevedere la PFS. In due serie di dati di validazione esterni, il biomarcatore ha dimostrato un valore predittivo significativo per il beneficio di una terapia con immune checkpoint inhibitors, valutato sia in termini di PFS che di OS. Il valore predittivo si è mantenuto anche dopo l’aggiustamento per altri fattori, tra cui sesso, età e Tumor Proportion Score (TPS) di PD-L1. Sebbene questi tipi di biomarcatori basati sul deep learning non siano ancora utilizzati nella pratica clinica, prevedo che in futuro otterranno l’approvazione della Food and Drug Administration (FDA) per l’uso clinico”.

Utilizzando le immagini TC di 1.173 pazienti in un database real world, i ricercatori hanno sviluppato il CT Response Score, che predice le risposte alla monoterapia con ICI nei pazienti con carcinoma polmonare non a piccole cellule (NSCLC) metastatico. Negli studi di validazione, il biomarcatore ha predetto in modo indipendente i benefici in termini di sopravvivenza libera da progressione (PFS) e sopravvivenza globale (OS) di un ICI in tutte le linee di terapia.

Alexander Pearson dell’University of Chicago commenta: “I risultati della validazione sono incoraggianti ma date le dimensioni e la diversità della popolazione e la qualità della validazione, questo modello ora dovrebbe essere preso in considerazione per una validazione prospettica”.