全球各地的医生可能很快会有一种新的工具，可以更好地预测个别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，而仅需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SCORPIO，由纪念斯隆凯特琳癌症中心（MSK）和西奈山伊坎医学院的研究人员共同开发。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、更易于使用，而且比目前美国食品药品监督管理局（FDA）批准的两种生物标志物在预测结果方面表现出色得多。
“免疫检查点抑制剂是一种对抗癌症的非常强大的工具，但它们尚未对大多数患者有效。这些药物价格昂贵，并且可能会带来严重的副作用。”该研究的共同资深作者、MSK外科医生兼研究实验室主任Luc Morris博士说，“因此，关键是患者选择——将药物与最有可能从中受益的患者匹配起来。”
Morris博士补充道：“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，在全球范围内并不普及。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，例如常规血液检查。”
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“刹车”，使其更好地对抗癌症。MSK的临床医生和科学家在将这一类新药推向患者的过程中发挥了关键作用。
这项新研究由Morris博士和西奈山伊坎医学院的Diego Chowell博士共同监督。Chowell博士是免疫学和免疫疗法、肿瘤科学以及人工智能和人类健康的助理教授，曾是MSK的博士后研究员。
与Morris博士的问答
我们与Morris博士讨论了他们的预测模型及其下一步研究计划：
为什么你们要开发这种新的模型来预测检查点抑制剂的反应？
显然有改进的空间。目前有两种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免疫组化（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并非随处可见，而评估PD-L1表达也存在很大的差异性。
相反，我们的模型依赖于容易获得的临床数据，包括全球各地诊所普遍进行的常规血液检查——全血细胞计数和全面代谢谱。我们发现，我们的模型在临床上的表现优于现有的测试。
模型是如何开发的？
SCORPIO最初由我们的团队开发，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着长期和深入的经验。与西奈山的团队合作，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查和治疗结果之间的模式。该模型使用了来自MSK超过2,000名接受检查点抑制剂治疗的患者的回顾性数据，涵盖了17种不同类型的癌症。然后，我们使用另外2,100名MSK患者的数据对该模型进行了测试，以验证其能否高精度地预测结果。
接下来，我们将该模型应用于来自全球10个三期临床试验中近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西奈山近1,200名患者的数据。总计，这项研究包括来自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点的患者和医生的广泛适用模型。
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，使用更多样化的临床环境中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，正在开发一个界面，无论医生身在何处，都可以轻松访问该模型。
(全文结束)
