科学家们利用人工智能创建了一种强大的预测模型，可以识别出最有效的免疫细胞以杀死癌症。这个模型可以用于癌症免疫治疗，并已在《自然生物技术》期刊上进行了描述。当与其他算法结合时，这个模型可以用于个性化癌症治疗。
根据路德维希洛桑的亚历山大·哈拉里（Alexandre Harari）的说法，在细胞治疗中使用人工智能是一个最新的发展，有可能彻底改变患者的治疗选择。哈拉里与研究生雷米·佩特曼（Rémy Pétremand）共同领导了一项研究，强调了这一方法的潜力。
细胞免疫疗法包括从患者肿瘤中提取免疫细胞。这些细胞可以被修改以增强它们自然抵抗癌症的能力，然后再在实验室环境中培养后重新引入患者的体内。T细胞是一种白血球，在这个过程中扮演着至关重要的角色，巡视血液以寻找被病毒或癌症感染的细胞。
进入实体肿瘤的T细胞被称为肿瘤浸润淋巴细胞（TILs）。然而，并非所有的TILs都能有效识别和攻击肿瘤细胞。哈拉里解释说：“只有少数能够对肿瘤产生反应——大多数只是旁观者。我们的目标是识别出那些具有能够识别肿瘤抗原的T细胞受体（TCRs）的TILs。”
为此，哈拉里和他的团队创建了一种新的基于AI的预测模型，称为TRTpred，可以根据T细胞受体（TCRs）对肿瘤的反应能力对其进行排名。在开发TRTpred时，研究人员利用了从转移性黑色素瘤患者中收集的235个TCRs，这些TCRs已被分类为肿瘤反应性或非反应性。团队将每个TCR所含T细胞的全球基因表达谱输入到机器学习模型中，以检测区分肿瘤反应性T细胞和非反应性T细胞的特征模式。
“TRTpred具有从一个T细胞群体学习并建立一个规则，然后应用于新群体的能力，”哈拉里解释道。“因此，当遇到一个新的TCR时，该模型可以分析其转录组特征并预测它是否具有肿瘤反应性。”
TRTpred模型检查了来自42名不同类型癌症患者的TILs，并成功识别出肿瘤反应性TCRs，准确率约为90%。此外，研究人员通过实施二次算法过滤器来优化TIL选择过程，特别针对具有“高亲和力”的肿瘤反应性T细胞，这意味着它们强烈结合肿瘤抗原。
“TRTpred仅预测一个TCR是否具有肿瘤反应性，”哈拉里表示。“然而，某些肿瘤反应性TCR对肿瘤细胞的结合特别强，使其高度有效，而其他则不是。仅靠缓慢的反应方式不会产生理想的结果。识别有效结合的受体而不是弱结合的受体对有效性至关重要。”
研究表明，通过TRTpred和二次算法识别的T细胞被认为既具有肿瘤反应性又具有高亲和力，通常更多地位于肿瘤内，而不是在称为基质的周围支持组织中。这一发现与先前研究表明高效T细胞通常深入浸润肿瘤岛的结果一致。
随后，团队实施了第三个过滤器，以增强对不同肿瘤抗原的识别。“我们的目标是最大化TILs靶向不同抗原的可能性。”哈拉里解释说，这个最终的过滤器根据相似的物理和化学特性对TCR进行分类。研究人员认为每个组内的TCR可能识别相同的抗原。“因此，我们在每个簇内选择一个TCR进行放大，以增加靶向不同抗原的可能性，”负责TCR亲和力和TCR聚类算法的路德维希洛桑计算科学家文森特·祖特（Vincent Zoete）解释说。
研究人员将TRTpred与算法过滤器的组合称为MixTRTpred。为了测试他们的方法，哈拉里的团队在小鼠中生长人类肿瘤。研究人员从TIL中获得TCR，并利用MixTRTpred系统定位具有高亲和力、能够对肿瘤反应并靶向多个肿瘤抗原的T细胞。然后，他们修改了小鼠的T细胞，使其表达这些TCR，并证明这些细胞在转移到小鼠体内后能够消灭肿瘤。
“这种方法有潜力解决当前基于TIL治疗的一些局限性，特别是对于对现有治疗无反应的肿瘤患者，”该研究的共同作者、路德维希洛桑主任乔治·库科斯（George Coukos）表示，他打算启动一个I期临床试验。该技术将在人类患者中进行测试。
“我们的共同努力将导致一种全新的T细胞治疗形式。”
该研究得到了路德维希癌症研究、瑞士国家科学基金、Cancera基金会、马茨·保尔松基金会和比尔特玛基金会的资助。
亚历山大·哈拉里是路德维希洛桑Hi-TIDe团队的首席研究员，也是洛桑大学的副教授。
