Skip to main content

 

AI-modeller forudsiger langtidsoverlevelse ved immunterapi af NSCLC

Skrevet af Bo Karl Christensen den . Skrevet i Lungekræft.

ELCC: Nye AI-baserede modeller kan med høj præcision forudsige langtidsoverlevelse hos patienter med fremskreden ikke-småcellet lungekræft (NSCLC), der behandles med immunterapi.

Det viser resultater fra det italienske multicenter studie APOLLO11, præsenteret på den europæiske lungekræftkongres ELCC 2025 (abstract #11MO).

I studiet analyserede forskerne data fra 1.031 patienter med stadium IIIB-IV NSCLC, som modtog immunterapi på seks italienske hospitaler. Forskerne benyttede machine learning (ML)-baserede overlevelsesmodeller (Cox-ML og Extra Survival Trees) til at vurdere samlet overlevelse (OS). Modellerne nåede en præcision (c-index) på op til 0,70 ved krydsvalidering.

I forhold til forudsigelse af langtidsoverlevelse (OS ≥24 måneder) opnåede klassifikationsmodellerne en nøjagtighed på 78 procent og en AUC på 77 procent. SHAP-analyser viste, at lav ECOG performance status, yngre alder, højt lymfocyttal og lav neutrofil-lymfocyt ratio (NLR) var stærkt associeret med bedre prognose.

Omvendt viste SHAP-analysen, at høj ECOG performance status, pleural effusion, lever- og knoglemetastaser, negativ PD-L1-status og planocellulær histologi var forbundet med øget risiko.

Forskerne konkluderer, at AI-modeller, baseret på kliniske og laboratoriemæssige data, kan identificere patienter med høj sandsynlighed for langtidsoverlevelse og dermed understøtte en individualiseret behandling.