Zusammenfassung 4951: Integratives multi-omisches Machine-Learning-Modell sagt die neoadjuvante Immuntherapieantwort basierend auf molekularen Daten und tiefenlern-abgeleiteten Merkmalen aus der digitalen Pathologie voraus

Zusammenfassung Hintergrund: Im vergangenen Jahrzehnt hat sich die Menge digitaler Patientendaten durch molekulares Profiling und Digitalisierung von Pathologieschnitten exponentiell vervielfacht. Die Integration dieser Daten zur Verbesserung der Diagnostik und Krebsbehandlung bleibt jedoch eine große Herausforderung. Durch die Integration von Informationen aus verschiedenen Modalitäten zur Erfassung von Aspekten des Tumormikromilieus (TME) und der Immunlandschaft streben wir eine verbesserte Patientenstratifizierung für die Immuntherapie an. Methoden: Wir haben Daten aus Basis-Biopsien von Patienten mit tastbarem Melanom im Stadium III (n=195) gesammelt, die eine neoadjuvante Immuntherapie erhielten, gefolgt von chirurgischer Resektion der größten Lymphknotenmetastase. Die verschiedenen Modalitäten umfassten klinische Informationen, Ganzgenomsequenzierung (WGS), RNAseq, Labortests des Blutes, Hämatoxylin-Eosin (H) Teil 1 (Reguläre Abstracts); 2024 Apr 5-10; San Diego, CA. Philadelphia (PA): AACR; Cancer Res 2024;84 (6Suppl): Abstract Nr. 4951.