Development of a prognostic multiomic biomarker of progression-free survival in advanced non-small cell lung cancer patients treated with first line immunotherapy
9.0
来源：
Nature
关键字：
medical imaging+deep learning
发布时间：
2025-10-03 23:46
摘要：
本研究开发了一种新的多组学生物标志物，旨在提高晚期非小细胞肺癌患者在接受免疫治疗时的无进展生存期预测精度。通过整合影像组学、临床和病理生物标志物，构建的多组学模型在243名患者中显示出优于传统模型的预测能力，c-statistic达到0.71。这一创新方法有望改善患者的治疗选择，降低不必要的治疗风险。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分
business_impact
1.0分
scientific_rigor
1.5分
timeliness_innovation
1.5分
investment_perspective
2.5分
market_value_relevance
1.0分
team_institution_background
0.5分
technical_barrier_competition
1.0分
关键证据
研究表明多组学模型的c-statistic为0.71，优于传统临床模型的0.58。
通过整合影像组学与临床变量，显著提高了预后预测的准确性。
该模型在243名患者中进行，具有较强的临床应用潜力。
真实性检查
否
AI评分总结
本研究开发了一种新的多组学生物标志物，旨在提高晚期非小细胞肺癌患者在接受免疫治疗时的无进展生存期预测精度。通过整合影像组学、临床和病理生物标志物，构建的多组学模型在243名患者中显示出优于传统模型的预测能力，c-statistic达到0.71。这一创新方法有望改善患者的治疗选择，降低不必要的治疗风险。