免疫治疗数字预测有效率评估

咚咚肿瘤科PD-1抑制剂最强疗效预测模型上线！点击即可参与，综合14项患者免疫指标，准确性高达71%！

问

癌症免疫治疗到底有多强？PD-1抑制剂到底有多强？

相信各位咚咚用户对这个话题再熟悉不过了，我们用一句话概括：它彻底终结了“晚期癌症不可治愈”的历史，带来了横跨多个癌种的历史性突破，部分患者因此实现了长期生存，甚至临床治愈。

 

如此神奇的药物，却在临床中有一个我们无法回避的缺憾：PD-1抑制剂并非对每一位患者都有效，平均仅有约20%-40%的患者可以受益于PD-1治疗。也就是说，半数以上的患者使用PD-1可能无效或者疗效较差。

对“无效”患者来说，盲目使用PD-1药物带来是一笔不小的花费，更重要的是白白耽误了宝贵的治疗时机。甚至在某些临床数据中，PD-1还会导致病情爆发性进展。

因此，精准分辨出哪些患者能受益于PD-1治疗，哪些是“无效”患者，是无数临床医生和肿瘤患者的梦想。

作为国内最大的癌症免疫治疗患者社区，咚咚肿瘤科深知每位患者在治疗决策过程中的纠结和无奈，我们也一直关注相关研究进展。只要有一点希望，我们就会为患者全力争取，期待给大家带来一点绵薄帮助。

功夫不负有心人，通过对抗癌领域最新文献数据的追踪，我们发现患者大数据与人工智能的碰撞，竟能实现更为精准PD-1疗效预测。对患者来说，这是非常重要的一项突破，解决了我们在上文中提到医患们苦苦渴望的“梦想”。

 

 

于是，从了解人工智能模型，到汇集患者数据，再到程序的测算和学习，我们花了数月时间才实现了这项PD-1疗效预测模型的“本土化”。接下来你将要看到的，是咚咚全体人员花费了无数努力，才成功在APP中上线的第一版PD-1疗效预测模型系统。

我们对这套系统非常有信心。无论在理论上，还是在我们的反复数据测试中，它都可能是目前中国患者可以尝试的，更加精准的PD-1疗效预测模型之一。

问

它究竟有什么神奇的预测功能？

根据我们的测算数据，它针对PD-1的疗效预测准确率可以达到71%。这是一个非常了不起的数字。一方面，71%的准确性几乎可以实现PD-1疗效预测的大致准确。这样就很大程度上解决了精准分辨出哪些患者能受益于PD-1治疗，哪些是“无效”患者的问题，能大大提高患者的治疗效率；而另一方面，71%的准确性远远超过了其他任何一种单项的PD-1疗效预测指标，例如我们熟悉的患者PD-L1表达、TMB情况等单项指标。

 

 

最重要的是，我们本次上线的PD-1疗效预测系统是完全免费的！各位咚友只需通过下面的程序进行测试即可。

 

说起这套系统的诞生，我们有两个非常重要的关键内容要和大家介绍:

 

0

1

咚咚肿瘤科APP积累五年的大数据沉淀。作为国内最早启动癌症免疫治疗科普，同时也是国内最大的癌症患者医疗平台之一，咚咚肿瘤科始终在不断完善我们的咚咚病例数据库，期待通过大数据的优势给患者带来更大的帮助。

此次我们的PD-1疗效预测模型，就是基于咚咚病历数据库中数万份病历数据的分析，通过我们建立的测算程序不断训练、模拟PD-1疗效预测的测算结果，经过无数次的计算最终实现了71%预测的准确性；

0

2

我们站在了巨人的肩膀上，并进行了适合中国患者的改良。咚咚医学和IT团队一直聚焦免疫治疗预测算法的最新进展，在跟多个国际顶级团队进行交流和学习之后，我们将咚咚病例数据库与人工智能机器学习技术相结合，搭建了一套更适合中国患者的全新算法。

我们将算法预测结果与真实患者响应情况进行对比验证，评估了该算法模型在ROC（0.8138257）、PRC（0.6234011）、BrierScore（0.180）、Cindex（FT14,TMB, p:3.034084e-05)等多维度验证效果，达成了几乎一致的结果。

 

算法可信度验证。a，通过ROC（左）和POC（右）验证，基于14个参数的算法模型的预测效果（红色）要比单独TMB（绿色）更可信；b，基于14参数的算法（左侧）和单独TMB（右侧）算法对患者真实生存期的预测效果。 

总而言之，通过我们对算法的优化与海量大数据的反复测算，针对中国患者群体，我们的PD-1疗效预测模型不仅更为便捷，更重要的是可以精准实现71%的预测准确性。相信通过这套模型，能有更多患者能精准发现免疫治疗的治疗机会，受益于PD-1治疗。

当然，目前我们的模型仅仅是刚刚推出，面向患者们的1.0版本，所得出的预测结果也仅只能作为一个治疗方案制定的参考，而无法作为治疗决策依据。

我们期待各位咚友们可以积极参与免疫治疗的数字预测研究，让我们的预测模型不断完善，帮助更多后续有需要免疫治疗的患者。我们最终的PD-1疗效预测模型，一定是所有咚友们一起共同完成的！

最后

想使用我们的这套PD-1疗效预测模型的咚友们，您需要准备以下14个相关指标：

准备好上述资料，下载咚咚肿瘤科app马上评测：https://sj.qq.com/myapp/detail.htm?apkName=com.shengwu315.patient&info=826C314D95A53A93A2080E10C0E71D73

 

参考文献

1、Le, D. T. et al. PD-1 Blockade in Tumors with Mismatch-Repair Deficiency.  N Engl J Med 372, 2509-2520, doi:10.1056/NEJMoa1500596 (2015).

2、Patnaik, A. et al. Phase I Study of Pembrolizumab (MK-3475; Anti-PD-1     Monoclonal Antibody) in Patients with Advanced Solid Tumors. Clin Cancer         Res 21, 4286-4293, doi:10.1158/1078-0432.CCR-14-2607 (2015).

3、Dudley, J. C., Lin, M. T., Le, D. T. & Eshleman, J. R. Microsatellite Instability    as a Biomarker for PD-1 Blockade. Clin Cancer Res 22, 813-820,                  doi:10.1158/1078-0432.CCR-15-1678 (2016).

4、Chowell, D. et al. Patient HLA class I genotype influences cancer response to checkpoint blockade immunotherapy. Science 359, 582-587, doi:10.1126/science.aao4572 (2018).

5、Miao, D. et al. Genomic correlates of response to immune checkpoint therapies in clear cell renal cell carcinoma. Science 359, 801-806, doi:10.1126/science.aan5951 (2018).

6、Negrao, M. V. et al. PD-L1 Expression, Tumor Mutational Burden, and Cancer Gene Mutations Are Stronger Predictors of Benefit from Immune Checkpoint Blockade than HLA Class I Genotype in Non-Small Cell Lung Cancer. J Thorac Oncol 14, 1021-1031, doi:10.1016/j.jtho.2019.02.008 (2019).

7、Naranbhai, V. et al. HLA-A*03 and response to immune checkpoint blockade in cancer: an epidemiological biomarker study. Lancet Oncol, doi:10.1016/S1470-2045(21)00582-9 (2021).

8、Chowell, D. et al. Improved prediction of immune checkpoint blockade efficacy across multiple cancer types. Nat Biotechnol, doi:10.1038/s41587-021-01070-8 (2021).