200
评论
查看更多
密码过期或已经不安全，请修改密码
修改密码
壹生身份认证协议书
同意
拒绝
同意
拒绝
同意
不同意并跳过
由国际肺癌研究协会（IASLC）举办的2023世界肺癌大会（WCLC）已于9月9日-12日在新加坡召开。在9月10日的“Ⅲ期NSCLC，切除还是不切除？”口头报告专场（OA06），广东省人民医院周海榆教授团队的吴少伟医生就其入选研究“预测NSCLC新辅助免疫治疗病理反应的新型多参数生物标志物:一项真实世界研究”进行了口头汇报。在大会现场，中国医学论坛报记者有幸邀请周海榆教授及吴少伟医生接受采访，解读入选研究并交流参会感悟。
Q1：请谈谈您本次入选口头报告的这项研究有哪些亮点，对于临床实践有何意义？
本次世界肺癌大会我口头报告所汇报的内容是关于肺癌新辅助免疫治疗的影像学多参数标记物的一项研究。在这项研究中，我们创新性地采用了多区域、子区域分割的办法去进一步提高模型的预测效能，并且首要实现了新辅助免疫治疗完全病理缓解的预测，在实用性方面也达到了不错的水平。希望能够在以后的临床应用中帮助胸外科医生进行手术决策和术前新辅助治疗的参考。
Q2：我们注意到，报告结束后仍然有非常多的国外学者在与您团队沟通交流，您认为这项研究吸引他们关注的主要原因是什么？从他们的反馈中您又有哪些收获呢？
我们团队近几年来主要关注肿瘤的智能诊治，特别是早期肺癌与肺结节的早筛早诊早治的人工智能技术融合的医工结合研究。可以看到会场上各位同道对这个议题还是非常感兴趣的，大家反应也比较热烈，有些教授，特别是点评的教授也提到了这个技术在未来的潜力以及应用可能，我相信这些都是人工智能技术在未来临床应用中的新起点。
这项研究对我们来说也是一项探索性研究，怎样把人工智能方面的技术、算法及其他可以进行的工作应用到临床研究和临床实践当中去，这都是我们未来要探索的一些方向。我们可以看到，今天只是一个小的开始。
我们还可以看到整个会场对Ⅲ期肺癌即局部进展期肺癌的讨论也是比较热烈的，对于这一亚组的肺癌来讲，无论是内科、外科或者放疗科等各个学科的专家们都非常关心这一类肺癌所带来的挑战。同时，这一领域所存在的一些机遇，包括研究方面的机遇、临床试验的分组及可能存在的一些方案的优化组合，特别是免疫治疗时代怎样跟其他方法结合起来应用于这一类患者的研究，我相信都会是未来研究中非常受关注的热点。
今天下午，来自世界各地的专家都非常关注这一领域，我看到整个会场座无虚席，这也是目前我见到的人比较多的一个会场，所以大家也非常关注Ⅲ期肺癌可能带来的一些研究热点以及在临床中的一些挑战，我相信这些在未来的世界肺癌大会中也依然会是很热的研究方向，期待我们的人工智能研究能在这些方面做些工作。虽然现在只是起点，但是我相信这一起点可以带动更多的人加入这一群体当中来，让更多人跟我们一起开拓，做一些医工结合的工作，实现人工智能的智能诊治，特别是肿瘤的智能诊治，在早筛早诊方面做出一点自己的努力。
Q3：参会过程中您自己最关注和期待的是哪个专场/哪项研究报告？
作为一个博士研究生，我从硕士阶段就很关注人工智能在临床方面的应用，所以一直到博士阶段，我的课题也都致力于这个方向。因此，我更关注9月11日下午的人工智能分析专场以及美国学者为世界肺癌大会提供的关于肺癌诊治的新技术、新发现的专题报告，还有我们中国学者在病理方面对人工智能工具的应用的最新进展。
这个问题非常好，因为我们每次来参加世界肺癌大会都有很大的收获。世界肺癌大会对临床研究的关注在过去十年都做得非常的好，特别是更新了临床研究的很多观念、方法，并且在开展多学科合作方面也做了非常多的工作。在未来的十年，我相信世界肺癌大会可能会增加一些新的亮点，而临床研究已经成为世界肺癌大会常驻的问题和探索方向。
今年世界肺癌大会中，我们可以看到免疫治疗在早期、局部进展期肺癌临床研究中的一些新进展的深度分析，以及不同方式的优化组合带来的挑战和可能存在的潜力。但是关于未来十年世界肺癌大会可能会关注的点，我们在这次的大会中也能看到苗头，包括肺癌患者的护理、PRO研究，同时还可以看到人工智能技术和病理的分析技术，以及新的智能诊断技术在肺癌研究、临床实践、流行病学及肺癌诊治过程中发挥的很多作用。
所以这次世界肺癌大会呈现给我们一些新的探索点，这些呈现的点足以引起我们的兴趣，给我们课题组以及我们职业生涯的规划和研究重点的投放带来很好的启发，这些对我们信息爱好的培养也是一个很好的方向。
我们一直都在路上，希望能够找到属于我们自己的探索点，能够在肿瘤的智能诊治方面跟世界肺癌领域各位同道进行交流学习，实现医工结合的转化研究，为肺癌的防治工作做出自己的努力。
研究详情
中文标题：预测NSCLC新辅助免疫治疗病理反应的新型多参数生物标志物:一项真实世界研究
摘要号：OA06.06
讲者:吴少伟（广东省人民医院）
介绍 Introduction
基于免疫检查点抑制剂（ICIs）的新辅助免疫化疗与单独化疗相比具有显著益处，已被FDA批准用于治疗可切除的非小细胞肺癌患者。作为临床获益终点的替代指标，病理反应率仍限于24%。目前，还没有临床生物标志物可用于早期识别免疫检查点抑制剂（ICIs）治疗后可实现病理完全缓解（pCR）的患者。我们研究目的是探索一种基于治疗前CT扫描子区域影像组学特征和临床变量的新型多参数生物标志物，评估其是否可以预测接受新辅助免疫治疗的NSCLC患者的pCR。
方法 Methods
回顾性收集2019年5月18日至2022年4月26日期间接受新辅助免疫治疗（NAIT）的141例NSCLC患者治疗前的CT扫描信息，并以7:3的比例随机分配至训练或验证队列。从肿瘤和肿瘤周围感兴趣区域的每个子区域提取851个特征。预测目标为pCR率，主要的排除标准为缺失治疗前CT扫描信息或无法获得手术的病理结果。在可重复性分析后，在训练队列中实现机器学习建立模型，并在验证队列中进行测试验证。采用二元logistic回归分析构建临床模型，并将其与影像组学特征相结合，进一步提高模型表现。
结果 Results
47例患者出现pCR（33%；训练组，34%；验证组，32%）。采用一种新的子区域分割策略提取851个肿瘤和肿瘤周围区域的影像组学特征，然后通过RIDER数据集的鲁棒性检验和LASSO算法的降维进行特征筛选。选择包含11个特征的广义线性模型（GLM）作为最终模型，其训练AUC最高为0.89[95%置信区间（CI）为0.84~0.96]，验证AUC为0.81（0.66~0.97)。GLM的灵敏度为82%，特异性为78%，验证精度为0.79。这明显高于基于孤立性肿瘤放射学特征的准确性（0.71；P<0.05）或临床特征[铂基化疗方案类型、病理类型、衍生中性粒细胞淋巴细胞比率（dNLR）；0.67；P < 0.05]。在训练集（AUC=0.91，95% CI：0.86~0.97）和验证集（AUC=0.86，95% CI：0.72~0.99）中纳入临床特征后，GLM的性能得到进一步提高。
结论 Conclusions
我们的研究建立了一种实用的工具，应用一种新的分割策略来预测非小细胞肺癌对NAIT的病理反应。该模型可以帮助临床医生更早地选择和调整治疗方案，为NSCLC NAIT后手术治疗策略提供参考。
周海榆 教授
广东省人民医院 胸外科 主任医师
广东省医学科学院教授、博士生导师、博士后合作导师
广东省杰出医学青年人才
广东省肺部肿瘤精准治疗联盟 副主席
广东省医学会机器人外科学分会 常委
广东省医学会医学人工智能分会 常委
广州抗癌协会食管癌专委会 主任委员
中国抗癌协会肿瘤人工智能专委会 常务委员
中华医学会医学信息学分会 委员
哈佛医学院/麻省总医院访问学者
美国胸外科医师协会(STS) 国际委员
讲者：吴少伟
南方医科大学 广东省人民医院 胸外科博士研究生
研究方向：肺癌诊断与治疗的影像组学人工智能研究
审阅 | 广东省人民医院 周海榆 吴少伟
现场采访 | 中国医学论坛报社 前方记者黄蕾蕾
编辑整理 | 中国医学论坛报社 黄琳琳
查看更多
中国医学论坛报
壹生
今日肿瘤
今日循环
今日糖尿病
今日口腔
全科周刊
脱贫地区农副产品网络销售平台
京公网安备 11010202008182号
| 互联网新闻信息服务许可证编号：10120190017