新的人工智能工具使用常规血液测试来预测多种癌症的免疫治疗反应

世界各地的医生可能很快就会获得一种新工具，可以仅使用常规血液测试和临床数据来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。

这种基于人工智能的模型被称为 SCORPIO，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。

研究结果显示，该模型不仅更便宜、更容易获得，而且在预测结果方面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发表在自然医学。

“免疫检查点抑制剂是一种非常强大的工具，可以对抗癌症”，该研究的共同资深作者、MSK 的外科医生兼研究实验室主任 Luc Morris 医学博士说。“这些药物价格昂贵，而且可能会带来严重的副作用。

因此，关键是患者选择——将药物与最有可能受益的患者相匹配，莫里斯博士说。

“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，而这种测试在世界各地并未广泛使用，”他补充道。“我们希望开发一种模型，可以使用广泛可用的数据（例如常规血液检查）来帮助指导治疗决策。”

合作使检查点抑制剂疗法适用于更多癌症患者

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制动，使它们能够更好地对抗癌症。MSK 斯隆临床医生和科学家在为患者提供新型药物的过程中发挥了关键作用。

这项新研究由莫里斯博士和西奈山伊坎医学院免疫学和免疫治疗、肿瘤科学、人工智能和人类健康助理教授、前博士后迭戈·乔威尔博士共同监督。MSK 斯隆的研究员。

莫里斯博士问答

纪念斯隆凯特琳癌症中心与莫里斯博士讨论了该团队的预测模型和研究的后续步骤。

您为什么开发这个新模型来预测检查点抑制剂反应？

很明显还有改进的空间。

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。与此同时，评估突变的基因组测试价格昂贵，而且并非随处可用，而且评估 PD-L1 表达的变异性也很大。

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临床上使用的测试。

这种新方法简单且经济实惠，有助于确保更公平地获得护理，同时降低成本并帮助确保患者接受最有可能使他们个人受益的治疗——无论最终是检查点抑制剂还是其他类型的治疗。

该模型是如何开发的？

SCORPIO 最初是由我们的团队通过收集 MSK 斯隆患者的数据而开发的，因为这里的肿瘤科医生在使用这些药物治疗患者方面拥有丰富的经验。与西奈山的团队合作，我们使用了一种人工智能称为集成机器学习，它结合了多种工具来从血液测试和治疗结果中寻找临床数据的模式。

该模型的开发利用了丰富的回顾性数据资源，这些数据来自 MSK 斯隆 2,000 多名接受过检查点抑制剂治疗的患者，代表了 17 种不同类型的癌症。然后使用来自另外 2,100 名 MSK 斯隆患者的数据对该模型进行了测试，以验证其能够高精度预测结果。

接下来，我们将该模型应用于来自世界各地的 10 个不同的 3 期临床试验中近 4,500 名接受检查点抑制剂治疗的患者。

使用来自西奈山治疗的近 1,200 名患者的额外数据进行了进一步验证。

该研究总共涵盖了 21 种不同癌症类型的近 10,000 名患者，代表了迄今为止癌症免疫疗法中最大的数据集。

我们进行了如此广泛的测试和验证，因为我们的目标不仅仅是开发一种预测模型，而是开发一种广泛适用于不同地点的患者和医生的模型。

接下来的步骤是什么？

我们计划与世界各地的医院和癌症中心合作，利用来自更广泛临床环境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模型。

此外，我们正在开发一个可供临床医生轻松访问的界面，无论他们身在何处。