神经网络模型有助于预测小细胞肺癌的免疫治疗效果

随着免疫疗法在小细胞肺癌(SCLC)治疗中取得突破性进展，预测治疗结果已成为临床实践的焦点。免疫疗法联合化疗已被批准作为小细胞肺癌的一线疗法，因为它在随机对照试验中具有生存优势。然而，由于目前缺乏可用的生物标志物，预测其疗效仍然是一个挑战。

一项题为“基于临床特征的神经网络模型预测小细胞肺癌免疫治疗效果”的研究发表在《Malignancy Spectrum》上，利用深度学习技术开发了一种新颖的预测模型，为临床医生提供了强有力的决策辅助。

研究团队回顾性分析了140例接受免疫治疗的小细胞肺癌患者的数据，将其分为发现队列和验证队列。

通过构建和训练神经网络模型，开发了三种临床结果的预测模型，研究人员成功预测了客观缓解率(ORR)、疾病控制率(DCR)、以及半年内无进展生存期(PFS)的患者比例。

研究结果显示，ORR 模型在发现队列中的 AUC 值为 0.8964，在验证队列中的 AUC 值为 0.8421，具有较高的预测准确率。随后，这些模型被压缩为一个对医生友好的工具。

该研究不仅为SCLC患者的个性化治疗提供了新的科学证据，也为未来免疫治疗的临床决策提供了重要参考。