2022 ASCO GU搶先看 | 人工智慧助力！侷限性前列腺癌生物標誌物的探索性研究

2022年美國臨床腫瘤學會泌尿生殖系統腫瘤研討會（ASCO GU 2022）將於當地時間2月17-19日在舊金山舉行。前列腺癌是男性泌尿生殖系統常見惡性腫瘤之一，在對其治療獲益與患者預後的評估上，目前尚無準確可靠的生物標誌物。本次ASCO GU會議上，兩項研究依託人工智慧（AI），針對侷限性前列腺癌生物標誌物的探索展開了討論，醫脈通整理如下。

更勝一籌！侷限性前列腺癌患者預後的評估

背景

侷限性前列腺癌的預後尚無特異性預測方法，這一現狀導致了患者的過度治療和治療不足。各種分子生物標記物試圖滿足這一需求，但大多數缺乏前瞻性隨機試驗的驗證。在此，研究者利用數字化組織病理學的多模式深入學習，在五項III期隨機試驗中對侷限性前列腺癌的預後生物標誌物進行了探索和驗證。

方法

組織病理學影象資料來自五項NRG腫瘤學學會III期隨機放射治療前列腺癌試驗（RTOG 9202、9408、9413、9910和0126）的治療前活檢切片。研究所納入的7957例患者中，5654例（71.1%）的臨床病理資料和組織病理資料可用，共獲得16204張來自預處理活檢樣本的組織病理切片，這些資料被隨機分為訓練組（80%）和驗證組（20%）。研究者開發了一種多模式人工智慧（MMAI）架構，以臨床病理和基於影象（組織病理）的資料作為輸入值並預測二元結果。這一架構可對各種模型進行訓練，以預測生化復發（BCR）、遠處轉移（DM）、前列腺癌特異性生存（PCaSS）和總生存（OS）等相關臨床終點，然後利用基於時間的曲線下面積（AUC）驗證這些模型的預後判斷指標。

結果

在對模型進行訓練、鎖定並在驗證佇列中對其進行評估後，我們發現，與NCCN模型（PSA、T分期和Gleason評分）相比，MMAI預後模型在5年DM（AUC為0.84 vs 0.73）、5年BCR（AUC為0.69 vs 0.58）、10年PCaSS（AUC為0.79 vs 0.66）和10年OS（AUC為0.65 vs 0.58）方面具有更優秀的預測評估能力。在對每個單獨試驗進行的驗證中，與NCCN模型相比，MMAI預後模型在所有臨床終點的表現都更出色。

結論

該研究是在多項大型III期臨床試驗中，針對侷限性前列腺癌預後性生物標誌物的首次探索和驗證。研究者證明，在預測患者未來的BCR、DM、PCaSS和OS情況時，MMAI預後模型的表現優於現行標準的臨床和病理模型。在此，這一技術的可行性得到了驗證，或可輔助臨床進行前列腺癌患者的個性化管理。

勇為人先！侷限性前列腺癌中雄激素剝奪療法（ADT）獲益的評估

背景

中高危侷限性前列腺癌患者接受放療（RT）後，ADT治療是目前的標準治療方法。對於是否採用ADT治療以及ADT治療的使用時長，目前尚無可靠的預測性生物標誌物用於指導臨床應用。在此，研究者透過多個III期NRG腫瘤學學會隨機試驗，首次針對侷限性前列腺癌中ADT的應用進行了預測性生物標誌物的訓練和驗證。

方法

以五項NRG腫瘤學學會III期隨機試驗為基礎，對患者的治療前活檢切片進行數字化。隨機試驗納入了7957例患者，均接受RT治療，接受或不接受ADT治療均可。其中，5654例（71.1%）的臨床病理資料和組織病理資料可用。基於AI的預測性生物標誌物的開發訓練集包括NRG/RTOG 9202、9413、9910和0126試驗，該訓練集同時用來訓練DM的預測。研究者開發了一個多模式深度學習架構，以臨床病理學和數字成像組織病理學資料為學習樣本，根據治療型別確定終點結果差異。模型鎖定後，一名獨立的生物統計學家對III期隨機試驗NRG/RTOG 9408研究進行了驗證，該試驗評估了RT治療聯合或不聯合4個月ADT治療的療效。使用生物標誌物陽性組和陰性組的累積發病率函式計算患者DM率。

結果

開發訓練集包括3935例患者，中位隨訪時間13.6年（IQR [10.2,17.7]）。基於AI的預測性ADT分類器經過訓練後，在NRG/RTOG 9408中進行了驗證（n=1719，中位隨訪時間17.6年，IQR [15.0,19.7]）。在NRG/RTOG 9408驗證佇列中，數字組織病理學資料顯示，ADT顯著改善了DM（HR 0.62,95%CI 0.44-0.87，p=0.006），與已發表的研究結果一致。在AI生物標誌物陽性患者中（n=673，39%），RT+ADT治療比單純RT的獲益更顯著（HR 0.33，95%CI 0.19-0.57，p<0.001）；在生物標誌物陰性組（n=1046，61%）中，與單純RT相比，ADT的加入並沒有改善患者預後（HR 1.00，95%CI 0.64-1.57，p=0.99）。生物標誌物陰性組中，單純RT與RT+ADT之間的15年DM率差異為0.3%，而生物標誌物陽性組這一差異為9.4%。

結論

研究者利用一種基於AI的新型數字病理學平臺，透過一項III期隨機試驗首次驗證了這樣一種生物標誌物，其可預測中危侷限性前列腺癌中ADT聯合RT治療的獲益。這種基於AI的預測性生物標誌物表明，NRG/RTOG 9408研究中大部分RT治療後的患者不需要ADT治療，並避免ADT治療相關的治療費用和副作用。

參考文獻

1. Andre Esteva, Jean Feng, Shih-Cheng Huang, et al. Development and validation of a prognostic AI biomarker using multi-modal deep learning with digital histopathology in localized prostate cancer on NRG Oncology phase III clinical trials[J]. J Clin Oncol 40, 2022 (suppl 6; abstr 222).

2. Daniel Eidelberg Spratt, Yilun Sun, Douwe Van der Wal, et al. An AI-derived digital pathology-based biomarker to predict the benefit of androgen deprivation therapy in localized prostate cancer with validation in NRG/RTOG 9408[J]. J Clin Oncol 40, 2022 (suppl 6; abstr 223).