炒股就看金麒麟分析师研报,权威,专业,及时,全面,助您挖掘潜力主题机会!
(来源:医学界)
转自:医学界
基于H&E染色病理切片的人工智能模型有望预测胃癌患者的Claudin 18.2表达状态,助力一线治疗决策。
随着免疫检查点抑制剂和靶向药物在胃癌治疗中的应用日益广泛,生物标志物的评估对于一线治疗决策的指导价值凸显,其临床实践也日趋复杂。Claudin 18.2(CLDN 18.2)作为Claudin蛋白家族的重要成员,是一种具有高度组织特异性的紧密连接蛋白,在正常组织中主要表达于胃黏膜上皮细胞,而在胃癌中呈现异常高表达,被认为与肿瘤的发生发展、转移和预后相关,因此近年来作为一种潜在的治疗靶点备受关注。值得注意的是,CLDN 18.2在亚洲胃癌患者中的阳性率更是高达74%,这一发现进一步推动了相关深入研究。基于现有证据,2025版CSCO胃癌诊疗指南已将CLDN 18.2检测的推荐等级由原来的II级(2A类)提升为I级(1B类),标志着其临床地位的显著提升[1]。然而当前临床上对于CLDN 18.2的检测仍依赖于传统免疫组化方法,面临着肿瘤标本需求量大、检测成本高昂及周期长等限制。为突破这一瓶颈,近期一项创新研究通过利用简单的H&E染色切片构建人工智能模型以预测CLDN 18.2表达状态及免疫特征,该成果于2025美国临床肿瘤学会(ASCO)大会发布[2],为未来胃癌患者一线治疗的精准决策提供了新思路。现将重点内容整理如下,供读者参考。
研究方法
本研究基于459例胃癌患者的H&E染色切片构建了人工智能预测模型(训练队列)预测CLDN18.2的表达,采用基于视觉转换器的架构,结合多实例学习框架并通过五倍交叉验证进行训练和优化。CLDN18.2阳性定义为≥75%的肿瘤细胞呈现中至强表达强度。为验证模型性能,研究在两个独立队列中进行测试:(1)内部验证队列:包含381例接受免疫检查点抑制剂联合化疗或单纯化疗的患者;(2)外部验证队列:纳入100例来自不同种族背景的胃癌患者。此外,该研究采用了人工智能驱动的全切片图像分析系统来评估肿瘤免疫表型,以进一步对患者进行分层分析。
研究结果
本研究结果显示,CLDN18.2的阳性率在训练集、内部验证集和外部验证集中分别为43.4%,37.3%,26.0%。该模型在训练集中表现出良好的判别效能,曲线下面积(AUROC)为0.753,敏感性和特异性分别为0.638和0.723。此外在内部验证集(AUROC=0.752)和外部验证集(AUROC=0.746)中均保持稳定的预测性能,且敏感性和特异性与训练集相当,表明该模型具有良好的泛化能力。在内部验证集中,依据患者的CLDN18.2表达状态和免疫状态进行了亚组分析,结果提示相比于接受单纯化疗组,被预测为CLDN18.2阴性且具有免疫炎症表型的胃癌患者在免疫联合化疗中显示出最显著的临床获益。具体而言,该亚组患者的无进展生存期(HR=0.37, 95%CI 0.17-0.78, p=0.009)和总生存期(HR=0.41, 95%CI 0.19-0.88, p=0.021)均获得明显改善。
研究结论
本研究构建了一种基于常规H&E染色切片的人工智能驱动的视觉转换模型,用于预测胃癌患者CLDN18.2的表达情况。研究结果显示该模型在训练集和内外验证集中均表现出稳定可靠的预测性能,具有良好的诊断准确性和临床适用性。进一步的亚组分层结果提示通过该模型预测的CLDN18.2表达状态联合免疫表型分析,可有效区分不同亚组胃癌患者的治疗获益情况,揭示了本模型在辅助一线治疗决策方面的潜力。总体而言,本研究提出了一种便捷可推广的人工智能模型,在技术上仅通过H&E染色切片实现对CLDN 18.2表达和免疫表型的预测,解决了传统免疫组化检测对组织样本的依赖问题;在临床应用方面也简化了检测流程,降低成本,更适合在资源有限地区推广;在治疗决策上为免疫联合治疗获益优势人群的筛选提供了新工具,尤其对免疫组化不可及的病例具有重要替代价值,为胃癌一线治疗的精准决策提供了新思路。其成果在2025 ASCO大会的发布,也标志着人工智能在胃癌分子分型中的应用迈入新阶段,为实现“精准病理诊断-个体化治疗”的闭环管理提供了可行路径。
参考文献:
[1]CSCO胃癌诊疗指南2025版.
[2]Kim HD, et al. Artificial intelligence-based prediction of claudin 18.2 expression and immune phenotype to guide treatment decisions in patients with gastric cancer. 2025 ASCO. 4047.
本材料由阿斯利康提供,仅供医疗卫生专业人士参考
审批编号:CN-163083 过期日期:2026-07-20
下一篇:听读漫记