Establishment of an AI-based platform for predicting response to cancer immunotherapy

点击翻译按钮获取中文摘要

本研究は、機械学習を駆使して大規模ながん免疫治療患者の末梢血可溶性因子プロファイルから免疫チェックポイント阻害薬（ICI）治療効果の予測指数（Cytokine-based ICI Response Index; CIRI）を創出し、臨床応用に向ける患者層別化ツールの開発を目的とする。本年度では、本年度は、2016年9月から2021年2月までにICI治療を受けた非小細胞肺がん患者約200例から採取した血液（治療前・治療開始6週後）を用いて、マルチプレックスサスペンションアレイにより93種の可溶性因子の血中濃度を計測した。治療効果において、一次エンドポイントの全生存期間（OS）を予測ターゲットとした。機械学習アルゴリズムのRandom Survival Forest法を用いてOS予測に重要な可溶性因子を選出した。まず、Trainingコホートを用いて層別化モデルの構築したところ、ベースライン可溶性因子を用いてICI治療後のOS予測するのにC-indexが0.667であり、時間依存性ROC解析においてAUCが0.69～0.90を維持することが確認できた。CIRIに従って123例の患者を層別化した結果、high-riskグループと比べてlow-riskグループの中央生存時間が552日有意に（P<0.0001）長く、ハザード比（HR）が0.320であることが明らかになった。また、Validationコホート（登録期間2020年2月から2021年2月；99例）を用いたモデルの検証を行ったところ、OS予測にC-indexが0.700であり、時間依存性AUCが0.60～0.92を維持することが確認できた。CIRIでhigh-riskと予測されたグループに対して、low-riskグループのOSは521日有意に（P<0.0001）長く、HRが0.274であることが確認できた。