Nature Medicine：一种使用机器学习来帮助预测淋巴瘤患者免疫治疗反应的测试

Nature Medicine：An inflammatory biomarker signature of response to CAR-T cell therapy in non-Hodgkin lymphoma

希望之城和纪念斯隆凯特琳癌症中心（MSK）在《自然医学》杂志上发表的一篇论文概述了一种测量血液炎症的新工具，作为CAR - T治疗效果不佳的标志

　　

City of Hope的研究人员和MSK公司开发了一种工具，该工具使用机器学习来评估非霍奇金淋巴瘤（NHL）患者在开始治疗前对嵌合抗原受体（CAR） T细胞治疗的可能反应。

这项成果发表在《自然医学》上的研究结果。

CAR - T细胞疗法是最近在对抗血癌方面取得的最有希望的进展之一。但是超过一半对标准治疗无效的NHL患者在CAR - T治疗的6个月内也会复发或进展。

这种被称为炎症混合模型（InflaMix）的新工具是通过检测149名非霍霍金患者的各种血液生物标志物来评估炎症（CAR - T失败的潜在原因）的。在机器学习（一种使用算法从信息集中学习并从数据中发现的模式中得出结论的人工智能）的帮助下，该模型能够从一系列通常不用于标准临床实践的独特血液测试中找到炎症生物标志物。

通过分析InflaMix识别的炎症特征，研究人员发现它与CAR - T治疗失败的高风险相关，包括死亡或疾病复发的风险增加。InflaMix是一个无监督的模型，这意味着它是在不知道任何临床结果的情况下训练的。

“这些研究表明，通过使用机器学习和血液测试，我们可以开发出一种高度可靠的工具，可以帮助预测谁将对CAR - T细胞治疗有良好反应，”Marcel van den Brink医学博士说，他是洛杉矶希望之城和希望之城国家医疗中心的主席，Deana和Steve Campbell首席医师执行杰出主席?，以纪念Alexandra Levine医学博士，也是该论文的高级作者。“通过严格的统计方法，我们证明了这是我们预测淋巴瘤患者CAR - T结果的最彻底验证测试之一，可以被各地的肿瘤学家用来评估单个患者CAR - T的风险。”

根据该团队的说法，机器学习模型非常灵活，即使他们只使用六种可用的血液测试（所有这些测试都是针对淋巴瘤患者进行评估的），也能很好地工作，以较少的数据来评估InflaMix的能力。研究人员表示，这很重要，因为这意味着这项测试可以用于大多数淋巴瘤患者，如果不是全部的话。

“先前的研究暗示炎症可能是CAR - T细胞疗效差的一个危险因素，”医学肿瘤学家Sandeep Raj医学博士说，他是MSK的骨髓移植专家，也是《自然医学》论文的主要作者。“我们的目标是完善这一概念，并建立一个强大而可靠的临床工具，以表征血液中的炎症并预测CAR - T结果。”

三个独立队列的研究，包括688名NHL患者，他们具有广泛的临床特征和疾病亚型，并使用不同的CAR - T产品，也用于验证该团队的初步发现。

接下来，City of Hope和MSK的研究人员计划调查由InflaMix定义的血液炎症是否直接影响CAR - T细胞功能，并更多地了解这种炎症的来源。

“InflaMix可以用来可靠地识别即将接受CAR - T治疗的患者，以及治疗无效的高风险患者，”Van den Brink博士说。“通过识别这些患者，医生可能能够设计新的临床试验，通过额外的治疗策略来提高CAR - T的有效性。”

希望之城是公认的血液和其他癌症CAR - T细胞疗法的领导者，自20世纪90年代末启动CAR - T项目以来，已经治疗了1700多名患者。该机构继续拥有世界上最全面的CAR - T细胞临床研究项目之一，目前有大约70个正在进行的临床试验，使用免疫细胞产品，主要是CAR - T，用于血癌和15种不同的实体肿瘤类型。这些产品包括City of hope开发的疗法和行业赞助的疗法。

该团队的研究部分由美国国立卫生研究院、美国国家癌症研究所和MSK支持基金资助。这项工作主要是在MSK完成的，Van den Brink博士在2024年来到希望之城之前在那里工作了20多年。

An inflammatory biomarker signature of response to CAR-T cell therapy in non-Hodgkin lymphoma