1. 首頁 > 生活雜燴 > 健康養生 > >

腫瘤|《自然》子刊：完勝TMB的免疫治療標志物出現了，AI真的太強了！

自從免疫治療開始成為癌癥治療的大熱門 ， 一個問題就一直擺在我們面前 。
免疫治療雖然效果優越 ， 但 實際臨床應用中能夠從免疫治療獲益的患者比例仍然不高 ， 那么到底如何辨別出這些患者呢？
預測免疫治療預后的生物標志物并不少 ， 最開始我們依賴PD-L1水平 ， 隨后獲得FDA批準的還有腫瘤突變負荷（TMB） ， MSI-H等潛在的生物標志物更是有超多的研究在進行 。 但是要知道的是 ，沒有任何一個生物標志物能夠單獨起到決定性的作用 ， 因而也無法最大化地實現篩選患者的目的 。
今天 ， 《自然·生物技術》雜志發表了一項來自MSKCC Timothy Chan團隊的新研究[1] ，科學家們開發了綜合分析多個生物因素的機器學習模型 ， 可以高靈敏性和特異性預測免疫治療療效 ， 并且在不同癌癥類型中預測了患者的總生存期和無進展生存期 ， 預測能力甚至遠勝TMB 。
之前就是 Timothy Chan的團隊第一次在多癌種驗證了TMB的預測價值， 這次又拿出了更厲害的AI ， 大牛就是大牛??！

腫瘤|《自然》子刊：完勝TMB的免疫治療標志物出現了，AI真的太強了！
文章圖片

在這次研究中 ， 科學家們決定全面整合與免疫治療療效相關的多種生物學特征 。數據來自MSKCC的1479名患者 ， 橫跨了16種癌癥類型 ， 其中37%的患者患上的是非小細胞肺癌（NSCLC） ， 13%為黑色素瘤 ， 剩下的50%為其他類型 ， 包括腎細胞癌、膀胱癌、頭頸癌和結直腸癌等 。
這些患者全部經歷過PD-1抑制劑/PD-L1抑制劑/CTLA-4抑制劑單藥或聯合治療 ，其中409名患者得以從免疫治療獲益 ， 1070名患者對免疫治療無響應 。 所有患者分為兩個隊列 ， 80%為訓練隊列 ， 20%為驗證隊列 。

腫瘤|《自然》子刊：完勝TMB的免疫治療標志物出現了，AI真的太強了！
文章圖片

分類標準依據RECIST v1.1 ， 完全緩解（CR）和部分緩解（PR）的患者歸類為響應組（R） ， 疾病穩定（SD）和疾病進展（PD）的患者歸類為不響應組（NR） 。 分析中使用到的測序數據則全部由MSK-IMPACT測得 。
最終研究者們建立了兩個模型 ， 分別命名為RF11和RF16——自然是一個參考了11種生物學特征 ， 一個參考了16種生物學特征 。 后者包括 TMB、拷貝數改變分數（FCNA）、HLA-1進化差異（HED）、HLA-1雜合性狀態丟失（LOH）、微衛星不穩定狀態（MSI）、BMI、性別、血中性粒細胞/淋巴細胞比率（NLR）、腫瘤分期、免疫治療藥物、年齡、腫瘤類型、免疫治療前化療以及白蛋白、血小板和血紅蛋白（HGB）等血液指標 。
首先 ， 我們一下就能從結論中看出 ，TMB對免疫治療效果預測的影響是最大的 ， 其次是化療史 。 令人意外的是 ， MSI的影響看似并不大 ， 研究者認為這很有可能是因為MSI和TMB的相關性非常強 。
廢話不多說直接上結論 。 在訓練隊列中 ， RF16表現出了非常好的敏感性 ，無論泛癌種還是單獨的非小、黑色素瘤及其他癌種 ， AUC均超過0.8 ， 可以說是遠遠超過基本在0.6上下的TMB 。 在驗證隊列中 ， RF16同樣保持了良好的敏感性 。
訓練隊列
驗證隊列
而且 ， RF16預測的準確性也相當不錯 。

腫瘤|《自然》子刊：完勝TMB的免疫治療標志物出現了，AI真的太強了！
文章圖片

研究者還測試了RF16預測患者總生存期（OS）的能力 。 分析結果顯示 ，RF16的一致性指數（C-index）比RF11和TMB都更高 ， 在泛癌種中為0.71 ， RF11為0.66 ， 而TMB只有0.54 。 被RF16預測為響應免疫治療也與更長的OS顯著相關（HR 0.31） 。

腫瘤|《自然》子刊：完勝TMB的免疫治療標志物出現了，AI真的太強了！