AI方法学预测癌症患者对免疫治疗的反应

只有一小部分肝胃癌病患者对PD-1/PD-L1类口服（免疫检查点阻断剂，ICB)的免疫肌肉注射理论上。而目年前诊疗上具体肝胃癌病患者对ICB肌肉注射是否理论上的测定法则的恰当性非常有限。从精准医精研的角度来分析报告和实施免疫肌肉注射，则对于能恰当假设ICB肌肉注射，在哪些病患者造出处值得注意的所需日益迫切。

几年来已有一系列假设ICB的测定法则用于诊疗。其中所主要以则有：细胞内质表面配棒状PD-L1表达百分比；变异负重（Tumor mutation burden, TMB）；微卫星棒状极高度渐进(MSI)；和错配修复基因缺陷(dMMR)等这两项这两项。其中所TMB测定是目年前诊疗上认为恰当性较优的这两项测定法则。

TMB是指细胞内质所含有的基因基因数量。极高TMB理论上有很多基因，极低TMB理论上很难很多基因。过去五年中所仍未具体，与TMB极低的相较，具备极高TMB的往往对ICB肌肉注射的加成更加多。由于ICB抑制剂只对一小部分肝胃癌病患者理论上，因此恰当假设病患者对ICB加成的战斗能力，成为目年前诊疗免疫肌肉注射中所至关重要的各个层面。虽然TMB已是监督某些肝胃癌肌肉注射的决策这两项，但是TMB测定本身即便如此只是一个“粗略的假设这两项”。事例如诊疗上往往不会碰上，具备极低TMB的前列腺癌可能不会即便如此有极好的免疫治果；就像具备极高TMB评分的一些乳腺胃癌可能不会对免疫肌肉注射加成不佳也同样不会浮现一样。因此除了TMB之则有，肝胃癌免疫肌肉注射还所需更加多和更加恰当的假设用以。

为了解决ICB诊疗假设的问题，旧金山斯隆-丹尼尔琳记念肝胃癌一个中所心（MSKCC）的眼科医生科精研家，免疫精研家和计算动物精研家等一均是由的数据集分析的团队，引入机器学习机器精研习的法则，试图解决依赖单一的则有观上性假设这两项的局限性，以非线性法则一一组多种不同种类的诊疗和科精研Laboratory的无关这两项，研发建立了一个机器精研习插值框架，具棒状也称之为构建精研习随机热带雨林线性（ensemble learning random forest classifier，一种广泛应用于的构建机器精研习插值，在定义和复造出建立假设框架上具备极好性能）。

应用于MSKCC接受肌肉注射的病患者的大量诊疗和基因一组数据集，数据集分析其他部门搜罗了已被验证具备假设内涵，或认为可能不会具备假设内涵的表达式这两项，以则有基因一组数据集（MSK-IMPACT, 提供MSKCC病患者基因二代测序细节数据集资料的用以）；分子会标志；诊疗数据集和人口精研的无关则有观上这两项。纳入的表达式合共16项，以则有：TMB；基因拷贝数转变分数（fraction of copy number alteration FCNA）；HLA-I类细胞内形态歧异（HLA-I evolutionary divergence，HED）；HLA-I类细胞内杂合性缺失状态（loss of heterozygosity,LOH); 微卫星棒状渐进状态(microsatellite instability,MSI); 棒状重比百余人（BMI); 性别; 肝脏中所性粒细胞内质与免疫球蛋白内质比百余人(blood neutrophil-to-lymphocyte ratio, NLR); 分期; 免疫肌肉注射口服类别; 年龄; 肝胃癌种类; 病患者在免疫肌肉注射年前是否接受了肌肉注射; 血浆白细胞内; 血小板和血红细胞内(HGB)低水平。将这16项表达式（RF16）放入机器精研习插值框架中所，对该框架加以锻炼，是不是在多大程度上能利用这些较大的信息数据集来假设ICB治果。

这项数据集分析采集了从2015-2018中所期在MSKCC接受ICB肌肉注射的合共2,827事例病患者，其中所选择1479事例以则有16种实棒状疣的病事例。按肝胃癌种类数据集集将病事例随机分成两个子集:锻炼集(1,184事例, 80%)和测试集(295事例,20%）（图1)。通过锻炼机器精研习来研发和建立假设插值框架。对锻炼数据集应用于五重交叉检验来推导造出基于二元定义（响应者-R和非响应者-NR，年前者是肌肉注射理论上，以则有对肌肉注射有仅仅加成和部分加成者；后者是病情无巨大变化和病情成效者）的ICB肌肉注射假设框架，对测试一组样本顺利完成测定，以分析报告经过锻炼的线性假设加成的一般来说和选择性。

MSKCC的诊疗资料显示了16种种类对ICB免疫肌肉注射加成的总棒状情况（图2），对诊疗免疫肌肉注射有一定的参考内涵。对于ICB肌肉注射，前列腺癌（Melannoma）和肾胃癌（Renal）有较极高的加成，总棒状上这两种肝胃癌本身对免疫肌肉注射（以则有LAK，CIK，TIL细胞内质等）都比较适合于。而食道胃癌（Esophageal），胃胃癌（Gastric），子宫内膜胃癌（Endometrial）和非小细胞内质肺胃癌（NSCLC）对ICB肌肉注射也有相对极好的加成。个别种类的肝胃癌，如直结肠胃癌（Colorectal）和小细胞内质肺胃癌（SCLC）加成百余人分别在30%左右则有。其余种类的肝胃癌对ICB的加成很差，其中所胰腺胃癌的加成百余人只有3%，而肝胃癌只有16%，与这些肝胃癌极高恶性度的诊疗则有观上相一致。

在本一组16项这两项锻炼的机器精研习假设表明，当直接分析各项表达式时，TMB在16个直接表达式造出处最大的声望，也就是说在本一组RF16免疫肌肉注射加成假设这两项中所是最强的一项，检验了TMB作为这两项这两项在以往诊疗上的应用内涵。其他3个较强的假设因素是ICB肌肉注射年前接受过肌肉注射，肝脏白细胞内低水平和中所性粒细胞内质与免疫球蛋白内质比百余人（NLR)(图 3)。这4种测量这两项中所的每一个，理论上似乎都可以用来假设ICB免疫肌肉注射的加成，而数据集分析显示与任何一个直接假设这两项相较，RF16框架的综合这两项能更加恰当地假设加成。

对于ICB肌肉注射有加成与无加成病患者密切关系的生存期歧异，RF16则有观上框架也能够更加多地假设。这必要性支持要应用于RF16这种综合多种这两项的假设法则，而不是引入这两项这两项假设。总之，数据集分析结果表明，诊疗眼科医生可以通过这种整合有诊疗，基因一组和其他可用信息的机器精研习法则（比如RF16框架），最终可以获得比直接应用于TMB更加为恰当的假设数据集。此则有，TMB的假设值在多种不同肝胃癌种类中所歧异相当大，TMB下降的假设内涵在前列腺癌和非小细胞内质肺胃癌中所得到了极好的得造出结论。然而，在乳腺胃癌和胃癌中所，尚未发掘造出TMB可以恰当假设免疫肌肉注射加成。而RF16框架对于所有肝胃癌种类都具备极好的假设战斗能力。

ROC是受试者兼职则有观上斜百余人（Receiver Operating Characteristic），ROC斜百余人上每个点都能反映对同一信号性刺激的感受性。AUC(Area under Curve)是ROC斜百余人下的面积，AUC作为值可以直观的评价线性的有无，值越大越好。数据集分析表明RF16框架，RF11框架和TMB这两项这两项在总棒状肝胃癌一组，前列腺癌，非小细胞内质肺胃癌和其他肝胃癌种类的锻炼一组中所，产生的ROC 斜百余人和对应的AUC值。其中所RF11是作为RF16框架参照而建立的另一个机器精研习框架，RF11比RF16下降了5项较强的假设这两项（以则有：IBC肌肉注射年前肌肉注射，白细胞内，血红细胞内，血小板和肝胃癌的测试）。科精研实验表明了RF16框架假设IBC加成的增益和选择性极很极低RF11和TMB这两项测定，即使下降了较强假设这两项的RF11框架其测定一般来说也极很极低TMB的这两项测定（图 4）。因此，本文

本文免疫微环境的分子会则有观上；有机物一组精研则有观上；T细胞内质受棒状一组库的多样性；选择性基因一组转变；与ICB耐药性无关的变异和转录一组数据集都可能不会不会成为机器精研习的选项，以必要性帮助优化机器精研习的假设战斗能力。

借鉴MSKCC的数据集分析结果，可以预期AI技术将日益多的深入动物医精研层面。机器精研习插值只不过在起码上要胜过知觉的插值。直观的事值得注意就是，人跑的再快也很难车也这架机器跑的快。在本质层面，计算机科学的本质不真的将来不会发展到什么地步？只不过，谁掌握了技术的AI技术，谁就可能不会是将来跑在年上去的领跑者。

MSKCC无论如何算是国际上头号的肝胃癌一个中所心，免疫肌肉注射的开拓者William Coley年少时就在MSKCC年前身的旧金山肝胃癌该医院兼职，发掘造出ICB细胞内的诺贝尔者James Allison曾经是MSKCC的免疫肌肉注射一个中所心主任。因此，MSKCC也算是肝胃癌免疫肌肉注射的领跑者之一。这篇名的数据集分析其他部门阵容的确感赞叹，除了则有科，内科，病理科，放疗科，流行病和动物汇总常规科室则有，还有专门的免疫遗传精研和精准精研游戏平台（Immunogenomics and Precision Oncology Platform），计算机科学和系统动物精研部（Computational and Systems Biology Program）, 计算机科学精研部（Computational Oncology）,和计算机网络（Information Systems）参与了这项数据集分析。这样的以则有AI专家的多精研科层面人力资源和技术的一一组，非常有助于在MSKCC院内启动大部分的AI精准免疫精研的开创兼职。好像AI以前正在短时间到来，个人劲敌的以前仍未过去。