一篇新文章概述了一种新的工具，该工具通过测量血液中的炎症作为CAR T疗法不良结果的标志。
来自城市希望的研究人员，该机构是美国最大和最先进的癌症研究和治疗组织之一，其位于洛杉矶的国家医学中心被《美国新闻与世界报道》评选为全国前5大癌症中心，并与MSK合作，创建了一种使用机器学习来评估非霍奇金淋巴瘤（NHL）患者在开始治疗前对嵌合抗原受体（CAR）T细胞疗法可能反应的工具，相关研究结果今天在自然医学上发布。
CAR T细胞疗法是抗击血癌的最新和最有前景的进展之一。但是，超过一半的NHL患者在接受标准治疗后没有反应，并且在CAR T疗法后的六个月内复发或进展。
该工具被称为InflaMix（炎症混合模型），旨在通过在149名NHL患者中测试多种血液生物标志物来评估炎症，这是导致CAR T失败的潜在原因。在机器学习的帮助下，这是一种利用算法从信息集合中学习并从数据中找到的模式得出结论的人工智能，模型能够从一系列通常在标准临床实践中不采用的独特血液测试中找到能表明炎症的生物标志物。
通过分析InflaMix识别的炎症特征，研究人员发现其与CAR T治疗失败的高风险相关，包括增加的死亡或疾病复发风险。InflaMix是一个无监督模型，这意味着它在没有任何临床结果知识的情况下进行训练。
“这些研究表明，通过使用机器学习和血液测试，我们可以开发出一种高度可靠的工具，帮助预测谁将对CAR T细胞疗法反应良好，”城市希望洛杉矶的总裁、城市希望国家医学中心的德安娜和史蒂夫·坎贝尔杰出首席医疗执行官、文章的资深作者马塞尔·范登·布林克博士（M.D., Ph.D.）说。“通过严格的统计方法，我们证明这是我们预测淋巴瘤患者CAR T结果的最充分验证的测试之一，可能用于各地肿瘤学家评估特定患者接受CAR T的风险。”
根据团队的说法，机器学习模型非常灵活，即使他们仅使用六项可用的血液检测——这些检测通常评估淋巴瘤患者——来评估InflaMix的能力，效果也很好。研究人员表示，这一重要性在于，意味着该测试可以为大多数甚至所有淋巴瘤患者提供。
“以往的研究暗示炎症可能是CAR T细胞疗效差的风险因素，”MSK的医学肿瘤学家桑迪普·拉杰博士（M.D.）表示，他专门从事骨髓移植，并是自然医学论文的首席作者。“我们的目标是精 Refining这一概念并构建一个健壮可靠的临床工具，通过血液中的炎症特征来预测CAR T结果。”
还研究了三组独立的688名NHL患者，这些患者的临床特征和疾病亚型范围广泛，并使用不同的CAR T产品，以验证团队的初步发现。
接下来，城市希望和MSK的研究人员计划调查InflaMix定义的血液炎症是否直接影响CAR T细胞的功能，并了解更多关于这种炎症的来源。
“InflaMix可以可靠地识别即将接受CAR T治疗且高风险治疗不有效的患者，”范登·布林克博士说。“通过识别这些患者，医生可能能够设计新的临床试验，以通过额外的治疗策略提升CAR T的有效性。”
城市希望作为血液和其他癌症的CAR T细胞疗法公认的领导者，自1990年代末启动CAR T项目以来，已治疗超过1,700名患者。该机构仍然拥有全球最全面的CAR T细胞临床研究项目之一——目前正在进行大约70项临床试验，使用免疫细胞产品，主要是CAR T，针对血癌以及15种不同的实体肿瘤类型。这些产品包括城市希望开发的疗法和行业资助的治疗。
该团队的研究部分由国家卫生研究院、国家癌症研究所和MSK支持基金资助。此项工作主要在MSK进行，范登·布林克博士在2024年之前在此工作了20多年。
