Nature Medicine：新的人工智能工具使用常规血液检查来预测许多癌症的免疫治疗反应

西奈山的研究人员MSK及其合作者开发了一种基于人工智能的模型，仅使用常规血液检查和临床数据就可以预测谁将从免疫检查点抑制剂中受益。

　　

世界各地的医生可能很快就能使用一种新工具，该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）中受益，仅使用常规血液检查和临床数据。

这个基于人工智能的模型被称为天蝎座，是由纪念斯隆凯特琳癌症中心（MSK）和西奈山蒂施癌症研究所的一组研究人员开发的。

根据1月6日发表在《自然医学》杂志上的研究结果，该模型不仅更便宜、更容易获得，而且在预测结果方面，它比美国食品和药物管理局（FDA）目前批准的两种生物标志物要好得多。

“免疫检查点抑制剂是对抗癌症的一种非常强大的工具，但它们对大多数患者还不起作用，”该研究的资深作者之一、MSK的外科医生和研究实验室主任Luc Morris医学博士说。“这些药物价格昂贵，而且可能会产生严重的副作用。”

Morris博士说，所以关键是病人的选择——将药物与最有可能受益的病人相匹配。

他补充说：“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，但它们往往依赖于先进的基因组测试，而这种测试在世界范围内并不普遍。”“我们希望开发一种模型，可以使用常规血液检查等广泛可用的数据来帮助指导治疗决策。”

合作使检查点抑制剂治疗对更多癌症患者有效

检查点抑制剂针对的是免疫系统而不是癌症本身。这些药物的作用是解除免疫细胞的“刹车”，让它们更好地对抗癌症。MSK的临床医生和科学家在将这类新药带给患者方面发挥了关键作用。

这项新研究由Morris博士和Diego Chowell博士共同监督，Diego Chowell博士是西奈山伊坎医学院免疫学和免疫疗法、肿瘤学、人工智能和人类健康助理教授，也是MSK的前博士后。

Morris博士说：“目前有两种fda批准的生物标志物用于预测对检查点抑制剂的反应：肿瘤突变负担（肿瘤中突变的数量）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）。

这两种方法都需要采集肿瘤样本。与此同时，评估突变的基因组检测价格昂贵，而且并非所有地方都能获得，而且评估PD-L1表达的方法也存在很多可变性。

相反，我们的模型依赖于现成的临床数据，包括在世界各地的诊所进行的常规血液检查——全血细胞计数和综合代谢谱。我们发现我们的模型优于目前在诊所使用的测试。

这种新方法的简单性和可负担性可以帮助确保更公平地获得医疗服务，同时降低成本，并帮助确保患者接受最可能对他们个人有益的治疗——无论最终是检查点抑制剂还是其他类型的治疗。”

这个模型是如何发展的？

“SCORPIO最初是由我们的团队通过收集MSK患者的数据开发的，因为这里的肿瘤学家使用这些药物治疗患者的经验既长又深。我们与西奈山医学院的团队合作，使用了一种名为“集成机器学习”的人工智能，它结合了几种工具，从血液测试和治疗结果的临床数据中寻找模式。该模型是利用来自2000多名接受检查点抑制剂治疗的MSK患者的丰富回顾性数据资源开发的，这些患者代表了17种不同类型的癌症。然后使用另外2100名MSK患者的数据对该模型进行测试，以验证它能够高精度地预测结果。

接下来，我们将该模型应用于世界各地10个不同的3期临床试验中接受检查点抑制剂治疗的近4500名患者。

在西奈山接受治疗的近1200名患者的额外数据中进行了进一步的验证。

这项研究总共包括了21种不同癌症类型的近1万名患者，这是迄今为止癌症免疫治疗领域最大的数据集。

我们做了大量的测试和验证，因为我们的目标不仅仅是开发一个预测模型，而是开发一个可以广泛适用于不同地区的患者和医生的模型。“

下一步Morris博士计划与世界各地的医院和癌症中心合作，用来自更广泛的临床环境的额外数据来测试这个模型。收到的反馈将帮助继续优化模型。

此外，开发一个界面的工作正在进行中，无论临床医生身在何处，都可以轻松访问。