유방암 생검을 통한 신보조 요법 반응 예측을 위한 전사체 기반 다중 모드 AI

레이블링된 데이터의 부족은 종양학 분야에서 딥러닝 바이오마커 개발을 제한합니다. 우리는 유방암에서 신보조 요법에 대한 병리학적 완전 반응(pCR)을 예측하는 2단계 AI 모델을 개발했습니다. 첫 번째 단계는 32개 암 유형에 걸쳐 8,742명의 환자를 사용하여 조직병리 이미지로부터 전사체 정보를 학습하며, 이는 병리학자 검토와 측정된 발현과의 공간적 일치성을 통해 보강되었습니다. 이를 통해 두 번째 단계는 추론된 발현 정보와 임상 변수로부터 pCR을 예측하는 것으로 단순화됩니다. 1,080명의 환자(5개 코호트)를 사용하여 개발하고 1,412명의 환자(9개 코호트)에서 평가한 이 모델은 통합 AUROC 0.79 (95% CI, 0.73-0.85)를 달성하여 분자 아형 내의 반응자를 구별합니다. 이 모델은 조직병리학적 바이오마커보다 우수하며, 종양 내 샘플링 및 최소 생검 조직에서도 안정성을 유지합니다. 제거 분석(Ablations) 결과는 전사체 전체 추론이 임상 변수만 사용하거나 1단계 병리 모델보다 구별 능력이 향상됨을 보여주며, 유전체 검사의 유전자 선택 제약을 피함으로써 견고성도 확보했습니다. 이러한 결과는 생물학적으로 정보가 포함된 압축(biologically informed compression)이 정밀 종양학의 데이터 희소 애플리케이션에 일반화될 수 있음을 시사합니다.