研究人员在一项涉及来自六个不同队列的700多名患者的数据的研究中，识别出免疫治疗反应的预测标志物。该研究具有重要意义，影响膀胱癌患者的管理。机器学习工具使关键变量的识别成为可能，从而促进免疫治疗的成功。这一创新的方法论让研究人员能够确定哪些肿瘤亚型对免疫治疗反应最好。
哪些因素影响晚期膀胱癌患者免疫治疗的成功或失败？为什么只有20%的晚期膀胱癌病例对免疫治疗有反应？这些是最近由生物医学信息学研究计划（GRIB）及马尔医院研究所癌症计划主导的研究所涉及的问题，并得到了蓬佩乌·法布拉大学的合作。该研究发表于自然通讯，由Mar Albà、Júlia Perera和Joaquim Bellmunt协调。来自UPF医疗与生命科学部（MELIS）的Robert Castelo也参与了该研究。作者分析了来自六个不同队列的700多名此类癌症患者的公共数据，以确定治疗的反应者与非反应者之间的区别。这项研究的结果是迄今为止对这种类型癌症进行的最大研究，也可能适用于其他癌症。
研究结果表明，在这种癌症的五种肿瘤亚型中，最稀有的神经亚型对这种治疗方法反应最好。其他亚型的反应率较低。正如GRIB研究人员Lilian Marie Boll所解释的，“我们发现，在一部分晚期膀胱癌患者中，到目前为止识别的标志物能够很好地预测治疗反应。对于其他患者，我们认为反应取决于其他生物因素，这一领域需要进一步研究。”
关键标志物类型
该研究开发了一种机器学习算法，以预测不同肿瘤亚型患者的治疗反应。预测治疗成功的最可靠标志物包括肿瘤突变负担（肿瘤中的突变数量）、由APOBEC酶引入的突变（与肿瘤异质性相关），以及炎症促生巨噬细胞的丰度。此外，研究人员还识别出肿瘤微环境中的标志物，这些标志物会妨碍治疗效果。超出这些已知标志物，庞大的样本量使得能够识别稀有突变，这些突变可能在肿瘤表面展示新的蛋白片段，使其对免疫系统可见。
“正如我们所知，免疫细胞在肿瘤中的浸润是重要的。但这不是治疗反应的唯一指标，也并不适用于所有患者，”GRIB研究员Júlia Perera Bel博士指出。实际上，研究人员观察到将患者分为有免疫浸润和没有免疫浸润两组使算法更精准，为每组优先考虑不同的标志物。”我们研究的关键是理解这些亚组内的反应机制，而不是将所有膀胱癌视为一个整体，”Lilian Marie Boll说道。
马尔医院研究所和Dana-Farber癌症研究所泌尿癌症研究组协调员Joaquim Bellmunt博士表示：“这项研究扩展了我们对肿瘤异质性的认识，这是免疫治疗效果的一个限制因素。它强调了识别促进免疫治疗反应的免疫细胞群体的重要性，而其他免疫细胞则具有抑制作用。”
结果强调了肿瘤生物学与周围免疫微环境之间的关键关系，以决定治疗反应，以及在选择最合适的方法时考虑特定肿瘤亚型因素的必要性。这就是为什么根据研究团队的说法，拥有大数据集是如此重要，以便能够开发预测计算模型，这些模型整合大量数据以区分患者亚组，推动该领域向精准医疗发展。
