Imaging-Based Biomarkers Predict Programmed Death-Ligand 1 and Survival Outcomes in Advanced NSCLC Treated With Nivolumab and Pembrolizumab: A Multi-Institutional Study
Notice bibliographique
Résumé
Background: Although the immune checkpoint inhibitors, nivolumab and pembrolizumab, were found to be promising in patients with advanced NSCLC, some of them either do not respond or have recurrence after an initial response. It is still unclear who will benefit from these therapies, and, hence, there is an unmet clinical need to build robust biomarkers. Methods: Patients with advanced NSCLC (N = 323) who were treated with pembrolizumab or nivolumab were retrospectively identified from two institutions. Radiomics features extracted from baseline pretreatment computed tomography scans along with the clinical variables were used to build the predictive models for overall survival (OS), progression-free survival (PFS), and programmed death-ligand 1 (PD-L1). To develop the imaging and integrative clinical-imaging predictive models, we used the XGBoost learning algorithm with ReliefF feature selection method and validated them in an independent cohort. The concordance index for OS, PFS, and area under the curve for PD-L1 was used to evaluate model performance. Results: We developed radiomics and the ensemble radiomics-clinical predictive models for OS, PFS, and PD-L1 expression. The concordance indices of the radiomics model were 0.60 and 0.61 for predicting OS and PFS and area under the curve was 0.61 for predicting PD-L1 in the validation cohort, respectively. The combined radiomics-clinical model resulted in higher performance with 0.65, 0.63, and 0.68 to predict OS, PFS, and PD-L1 in the validation cohort, respectively. Conclusions: We found that pretreatment computed tomography imaging along with clinical data can aid as predictive biomarkers for PD-L1 and survival end points. These imaging-driven approaches may prove useful to expand the therapeutic options for nonresponders and improve the selection of patients who would benefit from immune checkpoint inhibitors.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».