«`html

Инновационная модель предсказывает эффективность иммунотерапии при раке легкого

Рак легкого остается основной причиной смерти от онкологических заболеваний в мире. Среди доступных методов лечения иммунотерапия показала значительные преимущества для пациентов с немелкоклеточным раком легкого — распространенной и агрессивной формой этого заболевания. Однако не все пациенты одинаково реагируют на такой вид лечения, и выявление тех, кто получит от него максимальную пользу, является важнейшей задачей.

Недавно был сделан прорыв, сочетающий анализ медицинских изображений и изучение опухолевых тканей для точного предсказания экспрессии ключевого белка PD-L1, который играет центральную роль в ответе на иммунотерапию. Этот белок, присутствующий на поверхности раковых клеток, позволяет иммунной системе распознавать и атаковать опухоль. Уровень его экспрессии часто используется для определения, подходит ли пациент для иммунотерапии.

До сих пор обнаружение PD-L1 в основном основывалось на лабораторных тестах, требующих забора тканей, — метод, иногда ограниченный вариативностью результатов и доступностью образцов. Чтобы преодолеть эти препятствия, команда исследователей разработала инновационную модель, объединяющую данные КТ-сканирования и микроскопического анализа окрашенных тканей. Эта модель использует передовые методы для извлечения как макроскопической информации, например формы и текстуры опухоли, видимой на изображениях, так и микроскопической, например клеточных характеристик, наблюдаемых под микроскопом.

Исследование охватило 328 пациентов с немелкоклеточным раком легкого. Ученые разделили этих пациентов на три группы для обучения, валидации и тестирования модели. Результаты показали, что комбинированный подход оказался более эффективным, чем модели, основанные только на визуализации или анализе тканей. Он позволил с высокой точностью предсказать, экспрессирует ли опухоль белок PD-L1, с уровнем успешности, превышающим 90 % в некоторых случаях.

Чтобы пойти дальше, модель также была протестирована на группе из 47 пациентов, получающих иммунотерапию. Результаты показали, что у пациентов, для которых модель предсказывала высокую экспрессию PD-L1, наблюдались значительно лучшие показатели выживаемости без прогрессирования заболевания и общей выживаемости. Это позволяет предположить, что данная модель может не только помогать выявлять пациентов, подходящих для иммунотерапии, но и предсказывать их реакцию на лечение.

Одно из основных преимуществ этого метода заключается в том, что он использует данные, уже доступные в рамках стандартной диагностики, такие как КТ-сканы и гистологические препараты. Таким образом, он не требует дополнительных заборов тканей, что снижает затраты и нагрузку на пациентов. Кроме того, он может оказаться полезным в ситуациях, когда образцов ткани недостаточно или когда результаты традиционных тестов неопределенны.

Таким образом, эта модель прокладывает путь к более точной медицине, где решения о лечении могут приниматься на основе специфических характеристик каждой опухоли. Она представляет собой важный шаг на пути к персонализированному лечению рака легкого, предоставляя врачам дополнительный инструмент для оптимизации терапевтических стратегий и улучшения прогнозов для пациентов.

«`

Sources et crédits

Étude source

DOI : https://doi.org/10.1186/s13244-026-02322-4

Titre : A radio-pathological fusion model for predicting PD-L1 expression and immunotherapy response in non-small cell lung cancer

Revue : Insights into Imaging

Éditeur : Springer Science and Business Media LLC

Auteurs : Dingpin Huang; Fangyi Xu; Yi Gan; Liya Ding; Kaihua Lou; Yongcen Li; Dong Xie; Haiping Zhang; Lei Shi; Rui Xu; Hongjie Hu