H&E-based Computational Biomarker Enables Universal EGFR Screening for Lung Adenocarcinoma

要約

肺癌は世界中の癌死の主要な原因であり、肺腺癌は肺癌の最も一般的な形態です。
EGFR陽性の肺腺癌は、TKI療法に対して高い反応率を示すことが示されており、肺癌の分子検査の本質的な性質の根底にあります。
現在のガイドラインでは検査が必要であると考えられていますが、患者の大部分は定期的にプロファイリングされておらず、その結果、何百万人もの人々が肺がんの最適な治療を受けていません。
シーケンシングはEGFR変異の分子検査のゴールドスタンダードですが、結果が返ってくるまでに数週間かかる場合があり、時間に制約のあるシナリオでは理想的ではありません。
シーケンシングのために組織を保存しながら、EGFR変異を迅速かつ安価に検出できる代替スクリーニングツールの開発は、最適に治療されていない患者の数を減らすのに役立つ可能性があります。
病理画像と臨床変数を統合して、これまでで最大の臨床コホートで84%のAUCを達成するEGFR変異状態を予測するマルチモーダルアプローチを提案します。
このような計算モデルは、追加コストをほとんどかけずに大規模に展開できます。
その臨床応用により、最適ではない治療を受ける患者の数を中国で53.1%、米国で最大96.6%削減できる可能性があります。

要約(オリジナル)

Lung cancer is the leading cause of cancer death worldwide, with lung adenocarcinoma being the most prevalent form of lung cancer. EGFR positive lung adenocarcinomas have been shown to have high response rates to TKI therapy, underlying the essential nature of molecular testing for lung cancers. Despite current guidelines consider testing necessary, a large portion of patients are not routinely profiled, resulting in millions of people not receiving the optimal treatment for their lung cancer. Sequencing is the gold standard for molecular testing of EGFR mutations, but it can take several weeks for results to come back, which is not ideal in a time constrained scenario. The development of alternative screening tools capable of detecting EGFR mutations quickly and cheaply while preserving tissue for sequencing could help reduce the amount of sub-optimally treated patients. We propose a multi-modal approach which integrates pathology images and clinical variables to predict EGFR mutational status achieving an AUC of 84% on the largest clinical cohort to date. Such a computational model could be deployed at large at little additional cost. Its clinical application could reduce the number of patients who receive sub-optimal treatments by 53.1% in China, and up to 96.6% in the US.

arxiv情報

著者 Gabriele Campanella,David Ho,Ida Häggström,Anton S Becker,Jason Chang,Chad Vanderbilt,Thomas J Fuchs
発行日 2022-06-21 17:52:58+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, q-bio.QM パーマリンク