在一项概念验证研究中， NIH的研究人员开发了一种人工智能（AI）工具，该工具使用常规临床数据（例如来自简单血液测试的数据）来预测某人的癌症是否会对免疫检查点抑制剂产生反应，免疫检查点抑制剂是一种帮助免疫细胞杀死癌细胞的免疫治疗药物。机器学习模型可以帮助医生确定免疫治疗药物是否对治疗患者的癌症有效。这项研究于2024年6月3日发表在《自然癌症》杂志上，由位于纽约的美国国家癌症研究所（NCI）癌症研究中心和纪念斯隆凯特琳癌症中心的研究人员主导。NCI 是NIH的一部分。

目前， FDA批准了两种预测性生物标志物，用于识别可能适合使用免疫检查点抑制剂治疗的患者。首先是肿瘤突变负荷，即癌细胞DNA中的突变数量。第二种是PD-L1，一种限制免疫反应的肿瘤细胞蛋白，是一些免疫检查点抑制剂的靶标。然而，这些生物标志物并不总是能准确预测对免疫检查点抑制剂的反应。最近使用分子测序数据的机器学习模型在预测反应方面显示出价值，但这种数据的获取成本很高，而且不能常规收集。

这项新研究详细介绍了一种不同类型的机器学习模型，该模型根据从患者那里常规收集的五个临床特征进行预测：患者的年龄、癌症类型、系统治疗史、血白蛋白水平和血液中性粒细胞与淋巴细胞的比率（一种炎症的标志物）。该模型还考虑了通过测序面板评估的肿瘤突变负荷。该模型是使用来自多个独立数据集的数据构建和评估的，其中包括 18 种实体瘤类型的 2,881 名接受免疫检查点抑制剂治疗的患者。

该模型准确地预测了患者对免疫检查点抑制剂产生反应的可能性，以及他们在总体上和疾病复发前的生存时间。值得注意的是，研究人员说，该模型还能够识别出肿瘤突变负荷低的患者，这些患者仍然可以通过免疫疗法进行有效治疗。

研究人员指出，需要更大规模的前瞻性研究来进一步评估临床环境中的人工智能模型。他们已经在 https://loris.ccr.cancer.gov 公开了他们的人工智能模型，称为基于逻辑回归的免疫治疗反应评分（LORIS）。该工具根据上述六个变量的数据估计患者对免疫检查点抑制剂产生反应的可能性。

内容来源：NIH

图片来源于网络，若侵权，请告知。

特别声明：本文由NIH作者撰写，观点仅代表NIH。“雅昂国际”转载，不代表“雅昂国际”立场和观点。