Abstract 7398: Entschlüsselung des Tumormikroumfelds des hepatozellulären Karzinoms mittels KI, trainiert durch räumliche Transkriptomik: Eine vorläufige Studie zur Vorhersage der Immuntherapieantwort

Abstract Hintergrund. Immun-Checkpoint-Inhibitoren (ICIs), insbesondere solche, die den PD-1-Weg abdecken, zeigen vielversprechende Ergebnisse bei der Behandlung des hepatozellulären Karzinoms (HCC). Aufgrund der variablen Wirksamkeit bei einzelnen Patienten ist ein besseres Verständnis des Tumormikroumfelds (TME) und zuverlässiger prädiktiver Biomarker erforderlich. Hier verwenden wir räumliche Transkriptomik (ST), um ein Deep-Learning-Modell zu entwickeln, das das TME im HCC anhand von Hämatoxylin-Eosin (H. 01) untersucht. Nach der Stratifizierung der Patienten basierend auf der Vorhersage stromaler CAFs zeigten Patienten mit niedrigen stromalen CAF-Werten ein besseres Gesamtüberleben (Log-Rank-Test, p.05). Schlussfolgerungen. Wir präsentieren ein Deep-Learning-Modell zur Analyse des TME im HCC ausschließlich basierend auf H. Teil 1 (Reguläre Abstracts); 5.–10. April 2024; San Diego, CA. Philadelphia (PA): AACR; Cancer Res 2024;84 (6Suppl): Abstract Nr. 7398.