Journal for ImmunoTherapy of Cancer
Transformer-based AI approach to unravel long-term, time-dependent prognostic complexity in patients with advanced NSCLC and PD-L1 ≥50%

小赛推荐：

该研究结合传统统计模型与基于Transformer的AI方法，深入解析PD-L1高表达晚期非小细胞肺癌患者长期生存的复杂预后因素，揭示了时间依赖性非线性风险因素的动态变化，为个性化治疗和长期管理提供了新的视角。

 

文献概述
本文《Transformer-based AI approach to unravel long-term, time-dependent prognostic complexity in patients with advanced NSCLC and PD-L1 ≥50%: insights from the pembrolizumab 5-year global registry》，发表于《Journal for ImmunoTherapy of Cancer》杂志，回顾并总结了1050例PD-L1表达≥50%的晚期非小细胞肺癌（NSCLC）患者接受一线帕博利珠单抗治疗后的长期预后数据，利用岭回归和一种基于Transformer的人工智能模型（NAIM）来探索影响生存的动态因素，并通过SHAP值分析揭示了时间依赖性风险因素的复杂交互作用。

背景知识
近年来，免疫检查点抑制剂（ICIs）在晚期非小细胞肺癌治疗中取得了显著疗效，特别是PD-L1表达≥50%的患者中，近三分之一可实现五年生存。然而，传统预后模型主要基于短期生存数据，难以准确反映长期生存中的多维动态。本研究通过真实世界全球注册数据库，结合统计模型与AI分析，旨在揭示在长期随访中，非癌症相关宿主因素如何影响预后。研究强调了性能状态（ECOG-PS）、年龄、转移负担等传统风险因素的重要性，同时也识别出BMI、血脂异常等系统性健康指标在长期生存中的保护作用。此外，吸烟状态的影响随时间变化，提示肿瘤-宿主互作的复杂性。该研究为晚期肺癌免疫治疗的个体化管理和随访策略提供了新的理论基础。

 

提供标准化的小鼠表型分析服务，涵盖行为学、生理生化、病理学、基因与蛋白表达、代谢分析及细胞功能检测，适用于神经科学、疾病模型及药理学研究。

了解更多

 

研究方法与实验
研究分析了Pembro-Real 5Y全球注册数据，该数据集包括来自14个国家61个机构的1050例PD-L1 TPS≥50%的晚期NSCLC患者。采用两种方法：岭回归用于控制多重共线性并提供可解释模型；NAIM（Not Another Imputation Method）是一种基于Transformer的AI模型，无需数据填补即可处理缺失值。主要终点为6、12、24、60个月的死亡风险及五年生存率。SHAP值用于量化各变量对模型预测的贡献，并通过时间点的累积SHAP值分析，识别各阶段的关键预后因子。

关键结论与观点

• 岭回归模型在死亡风险预测中c-index为0.66，在五年生存AUC为0.72，主要识别出ECOG-PS≥2、高龄、转移负担为早期死亡的危险因素。
• NAIM模型在死亡风险预测中c-index为62.98±2.11，在五年生存AUC为60.52±3.71，成功处理缺失数据并揭示非线性时间依赖性预后趋势。
• 早期死亡（6个月）主要受ECOG-PS、类固醇使用等急性因素影响，而五年生存则与高血压、高BMI、无代谢紊乱等系统健康指标相关。
• 研究首次发现血脂异常（而非他汀类药物）具有保护作用，且吸烟状态的影响随时间变化，提示肿瘤-宿主互作的复杂性。
• 模型随访时间中位数为70.3个月，5年生存率为26.9%（282/1050），中位OS为21.8个月，89.6%的患者在治疗开始后至少5年随访。

研究意义与展望
本研究为晚期NSCLC患者在ICIs治疗下的长期预后分析提供了新的分析框架，强调了传统与AI模型结合在复杂真实世界数据中的价值。未来研究可进一步验证BMI、血脂异常等系统性因素对长期生存的影响机制，并探索其在免疫微环境中的作用。此外，NAIM模型为缺失数据处理提供了一种无需填补的解决方案，适用于其他大规模真实世界研究。研究结果支持在临床实践中采用更全面、时间敏感的管理策略，以优化免疫治疗长期生存患者的护理。

 

提供AI辅助AAV载体开发与优化服务，涵盖神经疾病、眼科疾病及组织特异性基因治疗，助力基因治疗药物研发效率提升。

了解更多

 

结语
该研究通过整合传统统计模型与基于Transformer的AI模型，首次系统性分析了PD-L1高表达晚期非小细胞肺癌患者在免疫治疗下的长期生存预后因素。研究发现，早期死亡风险主要受ECOG-PS、类固醇使用及转移负荷影响，而五年生存则与系统性健康指标如BMI、无心血管疾病及血脂异常相关。此外，吸烟状态和质子泵抑制剂的使用在不同时间点表现出动态影响，提示肿瘤与宿主互作的复杂性。NAIM模型成功处理了缺失数据，且无需填补即可识别非线性、时间依赖性预后特征，为真实世界数据建模提供了新思路。该研究强调在免疫治疗时代，应综合评估传统与系统性宿主因素，以制定更精准的长期管理策略，支持个性化医疗与生存护理。

 

Alessio Cortellini, Valentina Santo, Leonardo Brunetti, Anne-Marie Dingemans, and Joachim G J V Aerts. Transformer-based AI approach to unravel long-term, time-dependent prognostic complexity in patients with advanced NSCLC and PD-L1 ≥50%: insights from the pembrolizumab 5-year global registry. Journal for Immunotherapy of Cancer.