全球医生可能很快就能使用一种新的工具，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）中受益，而仅需常规血液检测和临床数据即可。
这种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（Icahn School of Medicine at Mount Sinai）的研究团队共同开发。根据《自然医学》（Nature Medicine）上发表的研究结果，该模型不仅更便宜、更易获取，而且在预测效果方面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对抗癌症的强大工具，但它们尚未对大多数患者有效，”研究共同资深作者、MSK的外科医生兼实验室主任Luc Morris博士表示。“这些药物价格昂贵，并且可能会带来严重的副作用。”
因此，选择合适的患者至关重要——即匹配那些最有可能从中受益的患者，Morris博士说。
“有一些现有的工具可以预测肿瘤是否会对这些药物产生反应，但它们依赖于先进的基因组测试，而在全球范围内并不广泛可用，”他补充道。“我们希望开发一个模型，能够利用广泛可获得的数据，如常规血液检测，来指导治疗决策。”
为什么开发这个新的预测模型？
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对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，基因组测试评估突变成本高昂且并非随处可得，而评估PD-L1表达也存在很大差异。
相反，我们的模型依赖于容易获取的临床数据，包括全球各地诊所普遍进行的全血细胞计数和综合代谢谱等常规血液检测。我们发现，我们的模型在临床上的表现优于现有测试。
这种新方法的简单性和经济性可以帮助确保更公平地获得治疗，同时降低成本，并确保患者接受最有可能对其有益的治疗——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最初由我们的团队通过收集MSK患者的数据开发，因为这里的肿瘤学家在用这些药物治疗患者方面有着长期而深入的经验。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，结合多种工具寻找血液检测和治疗结果中的临床数据模式。
该模型利用了来自MSK超过2,000名接受检查点抑制剂治疗患者的丰富回顾性数据，涵盖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全球10项三期临床试验中近4,500名接受检查点抑制剂治疗的患者。
进一步验证使用了来自西奈山近1,200名患者的额外数据。
总计，该研究包括来自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，使用更多来自不同临床环境的数据测试该模型。我们收到的反馈将帮助我们继续优化该模型。
此外，正在开发一个易于访问的界面，使临床医生无论身在何处都能方便使用。
(全文结束)
