2025 ELCC｜APOLLO11研究：AI可预测NSCLC免疫治疗长期生存结果

预测非小细胞肺癌（NSCLC）免疫治疗（IO）的长期疗效是个性化治疗中面临的一项关键挑战。精准的IO预后评估尤为重要，尤其对于年轻患者，因为它有助于规划生活。与化疗相比，IO能提供更好的生活质量，这凸显了可靠预测的必要性。近年来，利用AI技术分析真实世界临床和实验室数据的进展，展示了AI在构建IO预后预测模型中的作用。

我们分析了APOLLO11研究（NCT05550961）中1,031名接受IO治疗的IIIB-IV期NSCLC患者数据，这些患者来自意大利的6家机构。我们使用基于机器学习（ML）的生存分析（Cox-ML 和生存 ML 模型）来评估总生存期（OS），并使用分类模型（逻辑回归和随机森林）来预测长期生存（OS ≥ 24 个月）。为了优化长期生存患者的识别，我们实施了多种包含成本敏感调整的模型。可解释性技术用于识别关键特征。

最佳模型是COX-ML和Extra Survival Trees，在交叉验证和测试集上的C指数分别达到了0.7（±0.02）和0.68。通过SHAP分析证实，高ECOG体能状态（PS）、胸腔积液、肝转移和骨转移、PD-L1阴性以及鳞状细胞组织学类型与较高风险密切相关。该分类模型预测长期生存的准确率为0.78，AUC为0.77。SHAP进一步识别出低ECOG体能状态、较年轻、高淋巴细胞计数以及低 NLR（中性粒细胞/淋巴细胞比值）是长期生存的关键变量。

我们的研究结果仅基于临床和实验室数据，与LIPI和EPSILON等已建立的评分系统一致。AI 方法提升了预测性能，证实了真实世界数据的价值及其进一步优化的潜力。识别IO长期生存患者至关重要，使临床医生能够提供更具针对性的指导，特别是针对有重要生活规划的年轻患者。开发具有成本效益且可解释的AI模型，有助于确保可及性和透明度，并促进临床医生与患者之间的共同决策。

参考文献：