背景：在不可切除Ⅲ期非小细胞肺癌（NSCLC）患者接受放化疗（CRT）后行巩固性度伐利尤单抗治疗期间，早期识别包含放射性肺炎（RP）在内的间质性肺疾病（ILD/RP）至关重要。研究人员开展了一项多中心、非干预性试点研究，旨在基于可穿戴设备连续采集的自动测量数据、咳嗽计数智能手机应用程序数据及电子病历数据，采用机器学习算法构建度伐利尤单抗治疗后≥2级ILD/RP的临床预测模型。
方法：这项前瞻性观察性研究的主要目标是开发≥2级ILD/RP的临床预测模型。研究人员应用8种机器学习算法构建预测模型，在完成4折交叉验证后，采用受试者工作特征曲线下面积（ROC-AUC）评估预测性能。
结果：纳入的145例患者中，123例进入分析。患者中位年龄68.0岁（范围：39–85岁），男性占79.7%，共46例发生≥2级ILD/RP。针对主要研究目标，XGBoost模型的预测效能优于其余7种模型，ROC-AUC为0.789（95%置信区间[CI]：0.724–0.854）。SHapley Additive exPlanations（SHAP）分析显示，心率对≥2级ILD/RP的预测贡献最高。仅使用患者基线特征与可穿戴设备数据（不含咳嗽应用程序数据）的模型，预测效能与全数据源模型相当，ROC-AUC为0.794（95%CI：0.730–0.859）。
结论：上述结果支持在CRT后接受度伐利尤单抗治疗的患者中，构建≥2级ILD/RP临床预测模型的可行性与适用性。
研究背景与意义
不可切除Ⅲ期非小细胞肺癌（NSCLC）的标准治疗方案为放化疗（CRT），但该方案本身已伴随较高肺炎风险。度伐利尤单抗作为程序性死亡配体-1（PD-L1）抑制剂，已被Ⅲ期PACIFIC研究证实可显著改善此类患者的无进展生存期与5年总生存期，成为CRT后的标准巩固治疗。然而，免疫检查点抑制剂相关间质性肺疾病（ILD）是其重要安全性问题，尤其日本人群中ILD包含放射性肺炎（ILD/RP）的发生率高达73.6%，远高于整体研究人群。临床指南要求≥2级症状性ILD/RP需暂停给药，≥3级需永久停药，但部分患者无法及时察觉早期症状或延迟就诊，导致确诊时已进展至≥2级，错失持续治疗机会甚至需急诊处理。现有ILD预测模型多依赖静态临床数据，缺乏动态生理监测指标。随着可穿戴设备与非侵入性监测技术的发展，连续采集心率、血氧饱和度（SpO2 ）、活动度等生理参数成为可能，但目前尚无证据支持其在NSCLC患者ILD预测中的应用。为此，研究人员开展iDETECT研究（NCT04884269），探索基于多源数据构建ILD/RP预测模型的可行性，为早期干预提供依据。该研究发表于《Machine Learning with Applications》。
关键技术方法
研究为日本27家中心参与的多中心非干预性试点研究，前瞻性纳入2021年8月至2022年9月拟启动度伐利尤单抗治疗的不可切除Ⅲ期NSCLC患者，最长随访6个月。患者入组后佩戴可穿戴设备、使用咳嗽计数移动应用程序（App），同时收集常规临床病历数据。最终分析队列来自145例注册患者中的123例合格人群。研究人员采用8种机器学习算法构建≥2级ILD/RP预测模型，通过4折交叉验证优化参数，以受试者工作特征曲线下面积（ROC-AUC）为核心评价指标，并采用SHapley Additive exPlanations（SHAP）方法解析特征贡献。
研究结果
患者 disposition
145例患者完成入组，22例因可穿戴设备不适（9例）、不符合入组标准（4例）、自愿退出（4例）、取消度伐利尤单抗治疗（5例）被排除，最终123例进入分析。患者中位年龄68.0岁，男性占比79.7%，≥2级ILD/RP发生率为37.4%（46/123）。可穿戴设备佩戴率在治疗100天内保持在75%以上，数据采集可行性良好。
模型性能
8种机器学习模型中，XGBoost针对≥2级ILD/RP的预测效能最优，ROC-AUC达0.789（95%CI：0.724–0.854）。SHAP分析显示，心率是预测贡献最高的特征。进一步对比发现，仅整合患者基线特征与可穿戴设备数据（不含咳嗽App数据）的模型，预测效能与全数据源模型相当，ROC-AUC为0.794（95%CI：0.730–0.859），提示可穿戴设备动态生理数据在预测中具有重要价值。
局限性
研究存在三方面局限：一是仅纳入治疗前基线患者特征，未评估治疗后动态变化（如中性粒细胞与淋巴细胞比值的时间变化），可能影响模型早期预警能力；二是样本量有限，为单国多中心试点研究，外推性需更大规模验证；三是未覆盖ILD/RP发生后的干预效果关联分析。
讨论与结论
讨论部分指出，既往ILD预测模型多依赖静态临床或影像学数据，本研究首次将可穿戴设备连续生理监测与咳嗽App数据结合，验证了多模态数据建模的可行性。尽管咳嗽数据未进一步提升模型效能，但心率等可穿戴指标的预测价值明确，为居家远程监测提供了依据。研究结论明确：在CRT后接受度伐利尤单抗治疗的患者中，基于患者基线特征与可穿戴设备生理数据构建机器学习预测模型具备可行性，模型ROC-AUC接近0.8，可为≥2级ILD/RP的早期预警提供有效工具。该研究为后续大样本验证与临床转化奠定了基础，有望通过动态监测降低ILD/RP进展风险，保障患者治疗连续性。
打赏
