機器模型使用基因組數據來預測免疫有效性

由克利夫蘭診所腫瘤學家 Timothy Chan 醫學博士和同事開發的計算機模型，可以準確預測免疫檢查點阻斷 (ICB) ，是否對診斷出患有多種癌癥的患者有效。

該預測工具使用機器學習開發，可評估個體患者狀況中的多個生物學和臨床變量，以預測對免疫檢查點抑制劑的反應程度和生存結果。它明顯優于迄今為止開發的單個生物標志物或其他變量組合。

通過進一步驗證，該工具最終應該可以幫助腫瘤學家更好地識別可能受益于需要生物標志物的 ICB 的患者。在治療前辨別 ICB 對其無效的患者可以減少不必要的費用和潛在副作用的暴露，它還可能表明需要尋求替代策略，例如聯合療法。

“了解患者最適合哪種治療方式很重要，”克利夫蘭診所免疫治療和精準免疫腫瘤學中心主任陳博士說。“此外，了解誰做出反應，誰不做出反應讓您知道接下來要針對什么，因為這些都是阻礙反應的因素。我們的模型提供了對患者對免疫檢查點封鎖反應的多樣性的全面了解，這是第一個組裝如此大規模的臨床和基因組變量，這些變量對多種癌癥類型的免疫治療具有預測價值。”