초록 4951: 통합 다중 오믹스 머신러닝 모델이 분자 데이터와 디지털 병리학에서 파생된 딥러닝 특징을 사용하여 신보조 면역치료 반응 예측

초록 배경: 지난 10년간 분자 프로파일링과 병리 슬라이드 디지털화 과정을 통해 디지털 환자 데이터가 기하급수적으로 축적되었습니다. 그러나 이를 통합하여 진단과 암 환자 치료를 발전시키는 일은 여전히 큰 도전입니다. 종양 미세환경(TME)과 면역 환경의 다양한 측면을 포착하기 위해 다양한 양식의 정보를 통합함으로써 면역치료 환자 분류를 개선하고자 합니다. 방법: 촉진성 흑색종 3기 환자(n=195)를 대상으로 기저 조직검사 데이터와 신보조 면역치료 후 가장 큰 림프절 전이 병변의 외과적 절제 결과를 수집하였습니다. 포함된 다양한 양식은 임상 정보, 전(whole)게놈 시퀀싱(WGS), RNA 시퀀싱, 혈액 검사, 헤마톡실린 및 에오신(Hematoxylin and Eosin) 염색 등이 포함됩니다. Part 1 (일반 초록); 2024년 4월 5-10일; 샌디에이고, 캘리포니아. 필라델피아 (PA): AACR; Cancer Res 2024;84 (6Suppl): 초록 번호 4951.