只有一小部分癌症患者对免疫检查点阻断(ICB)治疗有反应,但目前的决策程序准确性有限。有鉴于此,美国纪念斯隆-凯特琳癌症中心的Timothy A. Chan等研究人员,改进对多种癌症类型免疫检查点阻断疗效的预测。
本文要点
1)研究人员开发了一个机器学习模型,通过整合综合队列(MSK-IMPACT)的基因组、分子、人口和临床数据来预测免疫检查点阻断(ICB)反应,该队列有1479名接受ICB治疗的患者,涉及16种不同的癌症类型。
2)在一项回顾性分析中,该模型在预测免疫疗法的临床反应方面取得了较高的敏感性和特异性,并在不同癌症类型的测试数据中预测了总生存期和无进展生存期。
3)这个模型明显优于基于肿瘤突变负担的预测,最近美国食品和药物管理局为此批准了该模型。
4)此外,该模型提供了对预测最突出模型特征的定量评估。
本文研究的方法将大大改善免疫疗法的临床决策,并为未来的干预措施提供信息。
参考文献:
Diego Chowell,et al. Improved prediction of immune checkpoint blockade efficacy across multiple cancer types. Nature Biotechnology, 2021.
DOI:10.1038/s41587-021-01070-8
https://www.nature.com/articles/s41587-021-01070-8