JITC | 基于循环细胞因子特征通过机器学习预测非小细胞肺癌的免疫治疗结局

韩晓诺  汪小庆  译

中国科技大学生命医学部Sun LAB

Journal for ImmunoTherapy of Cancer（JITC）期刊发表了来自日本横滨神奈川县立癌症中心Tetsuro Sasada团队的题为“Machine learning for prediction of immunotherapeutic outcome in non small-cell lung cancer based on circulating cytokine signatures”的研究，该研究开发了一个基于细胞因子的免疫检查点抑制剂反应指数模型，用以预测非小细胞肺癌患者中免疫检查点抑制剂的治疗反应。

原文献信息：

免疫检查点抑制剂（ICI）治疗显著提高了非小细胞肺癌（NSCLC）患者的总生存期（OS），但NSCLC的缓解率仍然不高。因此研究人员开发了一个基于机器学习的平台，即基于细胞因子的ICI反应指数（Cytokine-based ICI Response Index，CIRI），以根据外周血细胞因子谱预测NSCLC患者中的ICI治疗反应。

该研究的训练队列和验证队列分别招募了123名和99名接受了抗PD-1/PD-L1单药治疗、联合或不联合化疗的NSCLC患者，在基线（治疗前，pre）和治疗后6周（治疗早期，edt）检测患者外周血中93种细胞因子的血浆浓度。研究人员开发了集成学习随机生存森林分类器来选择特征细胞因子并预测接受ICI治疗的患者的OS。

结果表明，研究分别选择基线和治疗早期时的19个和14个细胞因子来生成CIRI模型（即preCIRI14和edtCIRI19），这两个模型均成功地在两个完全独立的队列中识别出了OS更差的患者。在人群水平上，一致性指数（C指数）显示验证队列中preCIRI14和edtCIRI19的预测精度分别为0.700和0.751。在个体水平上，CIRI评分较高的患者表现出更差的OS（preCIRI14和edtCIRI19的风险比分别为0.274和0.163，p<0.0001和p=0.0044）。通过纳入其他循环和临床特征，在改良后模型（preCIRI21和edtCIRI27）中观察到了预测精度的提高。验证队列中的C指数分别为0.764和0.757，而preCIRI21和edtCIRI27的风险比分别为0.141（p<0001.）和0.158（p=0.038）。

该研究表明CIRI模型在确定抗PD-1/PD-L1治疗可延长其OS的NSCLC患者方面具有高度的准确性和可重复性，并且可以在治疗前和/或治疗早期阶段帮助临床决策。

作者简介

Tetsuro Sasada， 神奈川县癌症中心临床研究所癌症疫苗和免疫学中心主任。从事免疫肿瘤学研究，负责多种癌症免疫疗法的临床开发，包括免疫检查点抑制剂和癌症疫苗。

打赏