(资料图片)

根据 Lunit 的说法，新发现表明在开发用于免疫疗法以及其他重要癌症疗法的新型诊断学方面取得了重要进展。Lunit 将于4 月 14 日至 19 日在佛罗里达州奥兰多举行的年会上发表五张海报，介绍其人工智能生物标记平台 Lunit SCOPE IO。

其中一项研究评估了基于深度学习的集成模型，以预测 KRAS G12C 突变，该突变在 KRAS 基因突变中最为常见，占非小细胞肺癌患者的 25%。研究人员采用使用癌症基因组图谱 LUAD 和 LUSC (TCGA-Lung) 样本开发的 AI 模型，采用了一种新方法来提高 KRAS G12C 预测的性能。

根据这项研究，与之前报道的 KRAS 突变预测研究相比，该预测模型显示出更高的准确性。基于 Lunit SCOPE 的 KRAS G12C 突变预测模型显示出较高的预测能力，AUC(曲线下面积)为 0.787，表明 AI 算法的准确性。它还显示在使用独立外部数据进行验证时的 AUC 为 0.745。

“由于 KRAS G12C 突变已成为 NSCLC 的靶标，基于组织的 KRAS 突变测试现在已成为治疗决策的基本实践，” Lunit 首席医疗官Chan-Young Ock解释说。“通过将简单的 H&E 分析模型与 Lunit SCOPE IO 的深入预测功能相结合，我们的新方法在预测方面表现出显着改进。未来，我们相信这样的模型将能够在应用分子测试之前提供预测结果，这是相对耗时且昂贵，可能有助于快速做出治疗决定。”

另一项研究证明了通用免疫组织化学 (UIHC)(一种人工智能图像分析仪)在检测和量化多种癌症类型中表达的未经训练的新目标方面的有效性。AI 模型在 PD-L1 和 HER2 染色的肺癌、膀胱癌和乳腺癌载玻片的数据集上进行了训练，并评估了其在未经训练的目标和癌症类型的保留 IHC 数据集上的性能。与使用单一 IHC 和癌症类型训练的 AI 模型相比，UIHC 对于新的 IHC 和癌症类型表现出更优越的性能。研究人员得出结论，UIHC 模型将成为未来针对新型肿瘤相关抗原的临床研究的有用工具。

将提交的其他研究进一步证明了 Lunit SCOPE IO 作为诊断辅助手段治疗各种癌症的有效性。

Lunit SCOPE IO 通过观察肿瘤浸润淋巴细胞 (TIL) 的分布来分析患者的癌症组织幻灯片图像，TIL 是一种对抗癌细胞的免疫细胞。基于肿瘤微环境中 TIL 和癌细胞的空间分布模式，Lunit SCOPE IO 将组织样本识别为三种免疫表型 (IP) 之一：炎症、免疫排除或免疫荒漠。

在一项评估 Lunit SCOPE IO 作为晚期胆道癌 (BTC) 抗 PD-1 治疗的预测性生物标志物的研究中，研究人员使用 AI 解决方案对临床结果与 TIL 之间的关系进行了回顾性分析。在对治疗前的整个幻灯片图像和临床结果进行分析后，发炎的 IP 患者在抗 PD-1 治疗后的临床结果优于其他表型组，表明 Lunit SCOPE IO 分类的免疫表型可能是一种有效的生物标志物预测晚期 BTC 患者的临床结果。

其他研究包括基于 TCGA 泛癌数据集中肿瘤间质边界 (TSB) 的接近度分析 TIL 和相关基因组特征的分布，以及 Lunit SCOPE IO 在 TCGA 卵巢癌数据集中的应用证明AI 解决方案分类的炎症 IP 中炎症免疫和转录组学特征的丰富。

“我们很高兴在更多癌症类型和治疗环境中使用 Lunit SCOPE 进行新研究，” Lunit 首席执行官Brandon Suh说。“Lunit 将继续开展新颖的学术研究和创新产品开发，为癌症患者提供最合适的治疗方法。”