全球医生可能很快就能获得一种新的工具，可以更好地预测个体癌症患者是否能从免疫检查点抑制剂（一种免疫疗法）中获益，而仅需使用常规血液检测和临床数据即可。
这一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）和西奈山医学院的伊坎医学院（Icahn School of Medicine at Mount Sinai）的研究团队共同开发。根据1月6日发表在《自然医学》上的研究结果，该模型不仅成本更低且更易于获取，其预测效果也显著优于目前美国食品药品监督管理局（FDA）批准的两种生物标志物。
“免疫检查点抑制剂是一种非常强大的抗癌工具，但它们尚未对大多数患者有效，”研究的共同高级作者、MSK外科医生兼实验室主任Luc Morris博士表示。“这些药物价格昂贵，并可能带来严重的副作用。”
因此，关键在于患者的选择——将药物与最有可能从中受益的患者匹配起来，Morris博士说。
“目前有一些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，这种测试在全球范围内并不普及，”他补充道。“我们希望开发一个模型，利用广泛可用的数据来指导治疗决策，例如常规血液检测。”
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非癌症本身。这些药物通过解除免疫细胞的限制，使其更好地对抗癌症。MSK的临床医生和科学家在将这类新药推向患者的过程中发挥了重要作用。
这项新研究由Morris博士和西奈山医学院的Diego Chowell博士共同监督，Chowell博士是免疫学、免疫疗法、肿瘤科学以及人工智能与人类健康的助理教授，曾在MSK担任博士后研究员。
与Morris博士的问答
我们与Morris博士讨论了他们团队的预测模型及下一步研究计划：
为什么你们要开发这个新的模型来预测检查点抑制剂的反应？
显然还有改进的空间。
目前有两种经FDA批准的生物标志物用于预测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）。这两种方法都需要收集肿瘤样本。同时，评估突变的基因组测试既昂贵又不普遍，而评估PD-L1表达也存在很大的变异性。
相比之下，我们的模型依赖于容易获取的临床数据，包括全球诊所常规进行的全血细胞计数和全面代谢谱。我们发现，该模型的表现优于目前临床上使用的测试。
这种方法的简单性和经济性可以帮助确保更多的公平获取医疗资源，同时降低成本，并确保患者接受最有可能对其有效的治疗——无论是检查点抑制剂还是其他类型的疗法。
模型是如何开发的？
SCORPIO最初由我们团队开发，基于MSK患者的大量数据，因为我们这里的肿瘤学家在使用这些药物治疗患者方面有长期和深入的经验。与西奈山团队合作，我们使用了一种称为“集成机器学习”的人工智能技术，结合多种工具来寻找血液检测和治疗结果中的临床数据模式。该模型使用来自MSK的超过2,000名接受检查点抑制剂治疗的患者（涵盖17种不同类型的癌症）的回顾性数据进行开发。然后，我们使用来自另外2,100名MSK患者的额外数据进行了测试，以验证其高准确性。
接下来，我们将该模型应用于来自全球10项三期临床试验的近4,500名接受检查点抑制剂治疗的患者。
进一步的验证使用了来自近1,200名西奈山医院患者的额外数据。
总计，这项研究涵盖了来自21种不同癌症类型的近10,000名患者——这是迄今为止癌症免疫疗法领域最大的数据集。
我们进行了广泛的测试和验证，因为我们的目标不仅是开发一个预测模型，而是开发一个适用于不同地区患者和医生的广泛应用模型。
下一步是什么？
我们计划与世界各地的医院和癌症中心合作，使用来自更广泛临床环境的额外数据对该模型进行测试。我们收到的反馈将帮助我们继续优化模型。
此外，我们正在开发一个界面，无论医生位于何处，都可以轻松访问。
其他作者、资金来源和披露
该研究由37位作者共同完成。研究由共同第一作者Seong-Keun Yoo博士和Byuri Angela Cho博士（Chowell实验室的研究员）、Conall Fitzgerald博士（Morris实验室的研究员，现为爱尔兰都柏林圣詹姆斯医院和三一学院的头颈外科顾问）以及Bailey G. Fitzgerald博士（西奈山的内科肿瘤学研究员）领导。请参阅研究全文以获取完整的作者名单。
这项研究部分得到了美国国立卫生研究院（R01 DE027738, R01 CA283469, U01CA282114, P30 CA008748, P30 CA196521）、国防部、MSK的杰弗里·比恩癌症研究中心、为生存而骑、Jayme和Peter Flowers基金、Sebastian Nativo基金以及Alexander和Alexandrine Sinsheimer基金会的支持。请参阅研究全文以获取完整的资助者名单。
几位作者已为使用常规血液检测和临床变量预测癌症免疫疗法反应申请了临时专利。几位作者也是MSK拥有的专利的共同发明人，该专利用于使用肿瘤突变负荷预测免疫疗法反应，并授权给Personal Genome Diagnostics。另一组作者是克利夫兰诊所和MSK联合申请的多模态机器学习模型的共同发明人，该模型用于预测免疫疗法反应，并授权给Tempus。一些作者还报告了与制药公司的咨询工作，但与当前研究无关。请参阅研究全文以获取完整的披露信息。
(全文结束)
