一种名为SCORPIO的AI工具在预测癌症患者对免疫检查点抑制剂（ICI）治疗的反应和生存率方面表现出色，超越了现有的两个FDA批准的生物标志物。SCORPIO是由蒂施癌症研究所（Tisch Cancer Institute）的研究人员与纪念斯隆凯特琳癌症中心（Memorial Sloan Kettering Cancer Center）合作开发的机器学习系统。该工具结合了常规血液检测和临床特征，无需复杂的基因组或免疫学分析，即可预测ICI治疗的反应。
研究人员分析了两个内部测试集的数据，包括2,511名接受ICI治疗的患者，结果显示SCORPIO在预测6、12、18、24和30个月的总生存期（OS）方面的中位时间依赖性受试者工作特征曲线下面积（AUC）值分别为0.763和0.759，超过了肿瘤突变负荷（TMB）的相应值0.503和0.543。此外，SCORPIO在预测临床获益（如肿瘤反应或持续稳定）方面也优于TMB，AUC值分别为0.714和0.641，而TMB的AUC值为0.546和0.573。
SCORPIO还通过外部验证，在10项全球三期试验（包括4,447名患者）和来自西奈山卫生系统的现实世界队列（包括1,159名患者）中进一步验证了其性能。该工具在预测ICI治疗结果方面优于PD-L1免疫染色。
“我们的长期目标是实现‘民主化精准肿瘤学’，”西奈山伊坎医学院（Icahn School of Medicine at Mount Sinai）助理教授、Chowell实验室主任迭戈·乔韦尔（Diego Chowell，PhD）告诉Healio，“我们希望这个工具能在全球范围内用于指导患者的治疗选择，甚至可能用于监测治疗后的反应。”
目前，患者主要依赖两种FDA批准的生物标志物来选择ICI治疗：肿瘤突变负荷（TMB）和PD-L1染色。虽然这些生物标志物很重要，但它们存在局限性，无法准确预测治疗反应，且需要大量的基础设施和技术资源，成本高昂且具有侵入性。
研究人员基于2022年在《自然生物技术》（Nature Biotechnology）上发表的工作开发了SCORPIO。他们发现基本的临床信息（如白蛋白水平）包含了大量与免疫检查点抑制剂相关的预测信息，这促使他们探索是否可以通过电子病历中的常规血液检测和临床信息进行更好的预测。
SCORPIO在21种不同类型的癌症中进行了分析，结果显示其在临床获益和总生存期预测方面优于现有生物标志物和其他复杂机器学习模型。研究人员希望通过与不同医院的合作，进一步在不同的临床环境中前瞻性地验证该算法。
迭戈·乔韦尔表示，这些常规血液检测在现代医学中是非常重要的工具，未来有望从中获得更多有价值的见解。
(全文结束)
