一种食管癌PD-L1生物标志物和免疫治疗响应的多模态预测算法

本发明基于深度学习技术在医学影像中的应用，结合多模态特征融合、自注意力机制和对抗学习等方法，提出了一种全新的程序性死亡配体1(PD‑L1)水平和免疫治疗反应预测算法。该算法包括以下步骤：数据预处理、编码器特征提取、影像组学特征提取、多模态特征融合、PD‑L1水平预测和免疫治疗反应预测。本发明首次将病理图像(H&E染色切片)、CT图像和临床数据整合到一个深度学习模型中，用于预测食管鳞状细胞癌(ESCC)患者的PD‑L1水平。此外，通过提取免疫治疗患者的PD‑L1特征，构建了预测免疫治疗反应的模型。通过融合多模态数据，模型在预测PD‑L1任务中auc＝0.835，在免疫治疗反应任务中auc＝0.806，为肿瘤治疗领域的相关研究提供了新的思路和方法，并为临床治疗提供了有益的参考。