一项新研究考察了两种机器学习模型的开发，以对癌症样本的免疫表型进行分类。
所提出的数字病理学方法可以以可重复和可扩展的方式对癌症免疫表型进行表征和分类，为这种方法的应用带来了希望。根据发表在《精准肿瘤学》AI上的研究，确定可能受益于非小细胞肺癌(NSCLC) 免疫治疗的患者的方法。
肿瘤免疫微环境的细胞组成是肿瘤对免疫治疗反应的关键因素。已知 TGF-β 信号传导可促进免疫排斥，其中 CD8+T 细胞位于周围的基质组织中，但不在肿瘤本身内。
为了更好地识别免疫排斥的患者，赛诺菲的 Rui Wang 和合著者开发了两种机器学习模型来量化 CD8+细胞阳性并对 NSCLC 患者的癌症样本的免疫表型进行分类。
研究人员总结道：“我们的结果支持机器学习预测癌症免疫表型的潜在用途，以识别可能受益于非小细胞肺癌免疫治疗和 TGF-β 阻断的患者。”
“这项研究旨在改进患者的候选药物识别，利用人工智能和机器学习来确定非小细胞肺癌免疫治疗的精确生物标志物。它标志着个性化医疗的进展，有望根据个体患者的情况量身定制治疗方案，以提高疗效并最大限度地减少副作用。”
“从本质上讲，它强调了为正确的患者提供新疗法的重要性，为癌症精准治疗的新时代铺平了道路，”《AI in Precision Oncology》主编、医学博士 Douglas Flora 说道。