机器学习有助于预测淋巴瘤患者的免疫疗法反应
作者：by City of Hope National Medical Center
具有希望之城和纪念sloan kettering（MSK）癌症中心的研究人员创建了一种工具，该工具使用机器学习来评估非霍奇金淋巴瘤（NHL）患者可能在开始治疗前对嵌合抗原受体（CAR）T细胞疗法的反应，根据研究结果出版在自然医学。
汽车T细胞疗法是斗争中最有前途的进步之一血癌。但是，超过一半的NHL患者对标准治疗方法不反应，也可以在CAR T治疗后六个月内复发或进展。
新工具被称为Furnamix（炎症混合物模型），通过测试149例NHL患者的各种血液生物标志物，开发了新工具来评估炎症，这是CAR T失败的潜在原因。
借助机器学习，一种使用算法从该数据中发现的模式中学习并得出结论的一种人工智能，该模型能够从通常在标准临床实践中使用的一系列独特的血液测试找到一种炎症生物标志物。
通过分析Inferamix确定的炎症特征，研究人员发现它与汽车T治疗失败的高风险有关，包括增加死亡或疾病复发的风险。英富米克斯是一个无监督的模型，这意味着它是在没有任何临床结果的情况下进行训练的。
“这些研究表明，通过使用机器学习和血液测试，我们可以开发一种高度可靠的工具，可以帮助预测谁将对汽车T细胞疗法做出很好的反应，” Marcel Van den Brink，M.D。，博士学位。霍普市总裁洛杉矶和希望之城国家医疗中心，迪安娜和史蒂夫·坎贝尔首席医师主管杰出主席，以纪念亚历山德拉·莱文（Alexandra Levine），医学博士，以及该论文的高级作者。
“通过一种严格的统计方法，我们证明这是我们为预测淋巴瘤患者的CAR T结果的最彻底验证的测试之一，可以被各地的肿瘤学家使用来评估单个患者的汽车T风险。”
根据该团队的说法，机器学习模型非常灵活，即使他们仅使用了六个可用的血液检查 - 所有这些通常都对淋巴瘤患者进行了评估，以评估使用较少数据的英氨基的能力。研究人员说，这很重要，因为这意味着可以为大多数（如果不是全部）淋巴瘤患者提供该测试。
专门研究的医学肿瘤学家Sandeep Raj说：“先前的研究暗示，炎症可能是CAR T细胞功效不良的危险因素。”骨髓移植在MSK，是自然医学纸。
“我们的目标是完善这一概念，并建立一种强大而可靠的临床工具，以表征血液中的炎症并预测汽车的结果。”
对三个独立人群组成的研究，包括688例NHL患者，这些NHL患者具有广泛的临床特征和疾病亚型，并使用了不同的CAR T产品来验证该团队的初始发现。
接下来，希望之城和MSK研究人员计划研究Furnation定义的血液炎症是否直接影响CAR T细胞功能，并了解有关这种炎症来源的更多信息。
Van Den Brink博士说：“ Inferamix可以用来可靠地识别即将接受汽车T治疗的患者，并且患有治疗的高风险不起作用。”“通过识别这些患者，医生可能能够设计新的临床试验，从而通过其他治疗策略提高汽车T的有效性。”
这项工作主要是在MSK完成的，范登·布林克（Van Den Brink）博士在2024年来到希望之城之前工作了二十年。
更多信息：Sandeep S. Raj等人，一种对非霍奇金淋巴瘤中CAR-T细胞疗法反应的炎症生物标志物的特征，自然医学（2025）。doi：10.1038/s41591-025-03532-X
引用：机器学习有助于预测淋巴瘤患者的免疫疗法反应（2025年，4月1日）检索2025年4月8日摘自https://medicalxpress.com/news/2025-04-machine-immunotherapy-response-lymphoma-patients.html
该文档具有版权。除了为私人研究或研究目的的任何公平交易外，没有未经书面许可，可以复制部分。内容仅用于信息目的。
关于《机器学习有助于预测淋巴瘤患者的免疫疗法反应》的评论
暂无评论