世界各地的医生可能很快就能获得一种新工具，可以更好地预测个体癌症患者是否会从免疫检查点抑制剂——一种免疫疗法中获益，而仅需使用常规血液检测和临床数据即可。
纪念斯隆凯特琳癌症中心（MSK）的外科医生兼研究实验室主任Luc Morris博士是这项研究的共同资深作者，该研究旨在通过常规血液检测和临床数据预测哪些患者将从免疫检查点抑制剂中受益。这项努力可以使治疗在全球范围内更加普及。
基于人工智能的模型，名为SCORPIO，由来自纪念斯隆凯特琳癌症中心（MSK）和西奈山伊坎医学院的Tisch癌症研究所的研究人员团队开发。根据《自然医学》杂志上发表的研究结果，该模型不仅更便宜、更易获取，而且其预测效果显著优于目前美国食品药品监督管理局（FDA）批准的两种生物标志物。
“免疫检查点抑制剂是一种非常强大的抗癌工具，但它们尚未对大多数患者有效，”研究共同资深作者、MSK的外科医生兼研究实验室主任Luc Morris博士说。“这些药物价格昂贵，并可能带来严重的副作用。”
因此，关键在于患者的选择——将药物与最有可能受益的患者匹配，Morris博士表示。“有一些现有的工具可以预测肿瘤是否会对这些药物产生反应，但它们往往依赖于高级基因组测试，这种测试在全球范围内并不普遍可用。”他补充道。“我们希望开发一个模型，可以使用广泛可用的数据，如常规血液检测来指导治疗决策。”
检查点抑制剂针对的是免疫系统而非癌症本身。这些药物通过解除免疫细胞的‘刹车’，使其更好地对抗癌症。MSK的临床医生和科学家在将这一类新药推向患者方面发挥了关键作用。
这项新研究由Morris博士和西奈山伊坎医学院的免疫学和免疫疗法、肿瘤科学以及人工智能与人类健康助理教授Diego Chowell博士共同监督。Chowell博士曾是MSK的博士后研究员。
“我们的目标不仅是开发一个预测模型，还要开发一个适用于不同地点的患者和医生的模型。”Morris博士说道。
Morris博士谈到了团队的预测模型及其下一步的研究计划：“显然有改进的空间。目前有两种FDA批准的用于预测检查点抑制剂反应的生物标志物：肿瘤突变负荷（肿瘤中的突变数量）和PD-L1免疫组织化学（评估肿瘤样本中程序性死亡配体1蛋白的表达）。两者都需要收集肿瘤样本。同时，评估突变的基因组测试费用高昂且并非到处都有，评估PD-L1表达也存在很大的变异性。相反，我们的模型依赖于广泛可用的临床数据，包括全球各地诊所常规进行的血液检测——全血细胞计数和综合代谢谱。我们发现，我们的模型在临床上的表现优于现有测试。”
“这种新方法的简单性和经济性可以帮助确保更公平的医疗资源分配，同时降低费用，并帮助确保患者接受最有可能对他们个人有益的治疗——无论是检查点抑制剂还是其他类型的疗法。”
“SCORPIO最初是由我们的团队通过收集MSK患者的血液检测数据开发的，因为这里的肿瘤学家在用这些药物治疗患者方面有着长期和深入的经验。与西奈山的团队合作，我们使用了一种称为‘集成机器学习’的人工智能技术，结合多种工具来寻找血液检测和治疗结果之间的临床数据模式。该模型是利用超过2,000名MSK患者的丰富回顾性数据开发的，这些患者接受了检查点抑制剂治疗，涉及17种不同类型的癌症。然后，我们使用另外2,100名MSK患者的数据对该模型进行了测试，以验证其能否高精度预测结果。”
“接下来，我们将该模型应用于来自全球10个三期临床试验中近4,500名接受检查点抑制剂治疗的患者。进一步的验证使用了来自近1,200名西奈山治疗患者的额外数据。总计，本研究涵盖了21种不同癌症类型的近10,000名患者——这是迄今为止癌症免疫疗法领域最大的数据集。我们进行了广泛的测试和验证，因为我们不仅是为了开发一个预测模型，而是为了开发一个适用于不同地点的患者和医生的模型。”
“我们计划与世界各地的医院和癌症中心合作，使用更多样化的临床环境中的额外数据来测试该模型。我们收到的反馈将帮助我们继续优化该模型。此外，我们正在开发一个界面，以便无论医生身处何地都可以轻松访问该模型。”
(全文结束)