Исследователи разработали модель глубокого обучения для прогнозирования эффективности ниволумаба при раке желудка, которая показала превосходные результаты по сравнению со стандартным биомаркером PD-L1 CPS (combined positive score). Модель основана на анализе цифровых изображений иммуногистохимического окрашивания PD-L1 28-8.

Для обучения сети детекции клеток использовались 1927 фрагментов из 88 цифровых срезов, что позволило создать вычислительный показатель соотношения позитивных клеток (cPCR - computational positive cell ratio). Валидация модели проводилась на независимой когорте из 147 пациентов, получавших ниволумаб в комбинации с химиотерапией.

Общая частота объективного ответа (ORR) составила 49,66%. При использовании стандартного PD-L1 CPS ORR была 56,12% у пациентов с CPS ≥ 5 и 36,73% при CPS < 5. Новая модель cPCR показала ORR 56,03% для cPCR ≥5 и 25,81% для cPCR <5.

Хотя AUC для CPS (0,586) и cPCR (0,601) значимо не различались, анализ реклассификации продемонстрировал статистически значимое превосходство cPCR (p = 0,0269). Включение cPCR вместе с соотношением опухоль-строма через пошаговый отбор переменных позволило создать модель риска, которая улучшила прогнозирование пользы от иммунотерапии.

Разработанная система оценки риска на основе cPCR представляет перспективный инструмент для оптимизации выбора пациентов для иммунотерапии ниволумабом при раке желудка.