ANN ONCOL:人工智能在免疫肿瘤学中预测性生物标志物发现：系统评价
来源：网络 2024-01-24 17:41
该综述评估了 90 项已确定的研究，涉及癌症的四种主要数据模式，描述了数据集、方法、生物标记物和结果。
免疫疗法（IO），特别是免疫检查点抑制剂（ICIs）的出现改变了许多癌症患者的治疗方法，包括黑色素瘤、头颈癌（HNC）、膀胱癌、肾癌和晚期非小细胞肺癌（NSCLC）。 然而这种方法也有局限性，只有一部分患者能获得临床获益，不同肿瘤类型的疗效也不尽相同。为特定疗法准确选择患者仍是一项尚未满足的关键临床需求。很少有生物标记物经过验证可用于临床，大多数生物标记物仅适用于某些癌症。但基于人工智能（AI）的方法有望通过整合肿瘤学中现有的多组学数据集[基因组学、病理组学、放射组学、TME 异质性以及更多真实世界数据（RWD）生成]来定义新的元生物标志物。
近段时间，来自米兰 IRCCS 国家肿瘤研究所肿瘤内科的A. Prelaj教授及其他的团队通过系统的文献综述，向肿瘤学家和临床研究人员介绍人工智能的使用原则，以及基于人工智能的免疫疗法获益预测生物标志物的全貌，加深对这一快速发展领域的理解，其中还强调新的潜在元生物标志物，以供临床考虑。
结果证实了越来越多地使用人工智能来发现 ICIs 在各种癌症中疗效的预测性生物标志物，这种方法可以扩展到其他领域，如化疗或靶向治疗的效率。人工智能方法从复杂的数据中提供了新的见解，但开发基于人工智能的 "软件生物标志物 "受到了回顾性数据集、多种人工智能方法和不透明决策的阻碍。虽然这些研究提供了一些产生假设的见解，但直接的临床实施却很有限。要创建一个可解释的、负责任的人工智能工具，必须进行大规模的前瞻性验证研究。此类工具对 IO 至关重要，因为 IO 需要新的元生物标记物来预测反应。
人工智能技术可以在各种不同的癌症类型中提取大量与IO疗效相关的生物标志物
总之该综述评估了 90 项已确定的研究，涉及癌症的四种主要数据模式，描述了数据集、方法、生物标记物和结果，证明了使用人工智能来发现 ICIs 在各种癌症中疗效的预测性生物标志物的技术日趋频繁，给临床一定的参考价值。
参考文献：
Prelaj A, Miskovic V,et. Artificial intelligence for predictive biomarker discovery in immuno-oncology: a systematic review. Ann Oncol. 2024 Jan;35(1):29-65. doi: 10.1016/j.annonc.2023.10.125. Epub 2023 Oct 23. PMID: 37879443.
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
