机器学习模型预测治疗效果
新的机器学习模型可以通过快速识别哪些患者最有可能对 ICB 做出反应来缩短治疗时间，而不是当前的试错法。
埃因霍温科技大学的研究人员正在转向机器学习，以更好地预测特定免疫疗法是否会帮助癌症患者。最新论文中的模型显示出前景，甚至超越了迄今为止的传统临床方法。
利用免疫疗法对抗癌症
肿瘤细胞隐藏在身体的自然防御系统之外，使得癌症众所周知难以靶向和治疗。肿瘤细胞会阻止身体的自然免疫反应，但免疫疗法可以让一些患者再次唤醒它。问题在于尽早发现哪些患者最有可能做出反应。
其中一种疗法是免疫检查点阻滞剂（ICB），它告诉免疫细胞忽略癌细胞试图隐藏的任何关闭命令。虽然这是一个革命性的发现，但只有大约三分之一的癌症患者对治疗有反应。
新的机器学习模型可以通过快速识别哪些患者最有可能对 ICB 做出反应来缩短治疗时间，而不是当前的试错法。该模型还可以帮助确保可能没有反应的患者得到及时的治疗。该模型还可能准确揭示其他三分之二的患者没有反应的原因。
另见： AI 开启临床试验新纪元
机器学习模型的工作原理
机器学习从患者样本中探索肿瘤的生物标志物。它探讨了这些标记如何与其他细胞交流，从而导致对 ICB 的反应或拒绝它。从那里，机器能够从患者样本中学习，以确定哪些未来的患者携带表明 ICB 成功的相同生物标志物。
使用机器学习并不是一种新方法，但研究人员添加了一个小技巧来解决持续存在的数据访问问题。尽管 RNA 测序数据集广泛可用，但特定于癌症反应的数据集是有限的。研究人员使用了几种替代免疫反应。总之，它们可以表明 ICB 的积极响应。
当针对当前的生物标志物检测进行测试时，该模型表现更好。它还可以用于确定哪些标志物对于获得所需的免疫反应最重要。这是与医生和医疗保健专业人员合作提供个性化医疗的又一步。
物联网技术