基于深度学习模型的非小细胞肺癌新辅助免疫联合化疗疗效预测

目的:基于深度学习算法,使用临床数据构建人工智能(artificial intelligence,AI)模型,评估其预测非小细胞肺癌(nonsmall cell lung cancer,NSCLC)新辅助免疫联合化疗疗效的可行性。方法:收集2020年1月至2024年1月于首都医科大学附属北京胸科医院确诊且接受新辅助免疫联合化疗的132例NSCLC患者的临床病理数据。对影响新辅助免疫联合化疗疗效的主要因素进行统计学分析。根据统计学分析结果以及查阅相关文献对变量进行筛选,构建变量数据集。基于多层感知机(multi-layer perceptron,MLP)算法采用5折交叉验证建立深度学习模型,应用接收者操作特征(receiver operating characteristic,ROC)曲线评估模型性能。结果:132例患者中单因素分析显示获得主要病理缓解(major pathological response,MPR)组与未获得MPR组的患者在性别(P=0.020)、吸烟史(P=0.004)、癌胚抗原(carcinoembryonic antigen,CEA)(P=0.038)及程序性死亡配体-1(programmed death-ligand 1,PD-L1)是否≥1%(P=0.038)方面差异具有统计学意义;获得完全病理缓解(complete pathological response,pCR)组与未获pCR组患者在肿瘤大小是否≤3 cm(P=0.007)和CEA水平方面(P=0.010)差异具有统计学意义。经5折交叉验证后,MPR预测模型在验证集和测试集的平均受试者工作特征曲线下面积(area under the curve,AUC)值分别为0.72及0.71。结论:该深度学习模型能够有效预测NSCLC患者新辅助免疫联合化疗疗效。