AI模型预测免疫疗法成效，缩短癌症治疗时间
新机器学习模型可通过快速识别最可能对ICB有反应的患者，而非目前试错法，缩短治疗时间。
埃因霍温理工大学研究人员转向机器学习，更好预测特定免疫疗法是否有助癌症患者。最新论文模型显示前景，迄今甚至优于传统临床方法。
利用免疫疗法对抗癌症
肿瘤细胞躲避人体天然防御，使癌症难靶向治疗。肿瘤细胞阻断人体天然免疫反应，但免疫疗法可对部分患者重新唤醒。问题在于早期发现哪些患者最可能响应。
一种疗法，免疫检查点阻断剂（ICB），告知免疫细胞忽略癌细胞为躲藏发出的关闭指令。虽为革命性发现，仅约三分之一癌症患者对治疗有反应。
新机器学习模型可通过快速识别最可能响应ICB的患者，而非当前试错法，缩短治疗时间。该模型也有助确保不太可能响应患者及时接受替代治疗。模型还可能揭示那三分之二患者不响应的确切原因。
另请参阅： AI可开启临床试验新纪元
机器学习模型如何工作
机器学习探索患者样本肿瘤生物标志物。探索这些标志物如何与其他细胞通信导致ICB响应或排斥。由此，机器能从患者样本学习，识别未来携带相同指示ICB成功生物标志物的患者。
使用机器学习非新方法，但研究者添加小技巧解决持久数据访问难题。虽RNA测序数据集广泛可用，但针对癌症响应的特定数据有限。研究者使用多种替代免疫响应。合在一起可指示积极ICB响应。
对比当前生物标志物检测测试，模型表现更优。也有助识别哪些标志物在获得期望免疫响应中最重要。这是与医生和医疗专业人员合作交付个性化医疗的又一步。
物联网技术