Video Experimental Relacionado
Updated: Jun 20, 2026
09:32
Multiplexed Immunofluorescence Analysis and Quantification of Intratumoral PD-1+ Tim-3+ CD8+ T Cells
Published on: February 8, 2018
15.4K
Predicción de la respuesta al bloqueo del punto de control inmunitario anti-PD-1 en pacientes con melanoma mediante
Alyssa Pybus1, Raphael Kirchgaessner1,2, Jonathan Nguyen3
1Department of Machine Learning, H. Lee Moffitt Cancer Center & Research Institute, Tampa, FL, USA.
NPJ precision oncology
|January 12, 2026
Resumen
La predicción precisa de la respuesta a la terapia de bloqueo del punto de control inmunitario anti-PD-1 (ICB) en el melanoma avanzado es crucial. Los modelos de aprendizaje automático que integran datos de proteómica espacial predijeron con éxito la respuesta a la ICB en 11 de 12 pacientes.
Área de la Ciencia:
- Oncología
- Inmunología
- Biología Computacional
Sus antecedentes:
- Identificar a los pacientes con melanoma avanzado que probablemente respondan a la terapia de bloqueo del punto de control inmunitario anti-PD-1 (ICB) es fundamental, ya que solo del 30 al 40% logran un beneficio significativo.
- Los biomarcadores predictivos actuales para la terapia de ICB anti-PD-1 en el melanoma son limitados, lo que requiere enfoques novedosos.
Objetivo del estudio:
- Desarrollar y validar modelos de aprendizaje automático (ML) para predecir la respuesta del paciente a la terapia de ICB anti-PD-1 utilizando proteómica espacial de células únicas.
- Identificar características moleculares y celulares clave dentro del microambiente tumoral que se correlacionan con la respuesta a la ICB anti-PD-1.
Principales métodos:
- Se aplicó proteómica espacial de células únicas en una cohorte de 12 pacientes con melanoma avanzado.
- Se integraron métodos estadísticos y de aprendizaje automático (ML), incluido el análisis recurrente de vecindarios celulares.
- Se evaluó el rendimiento predictivo utilizando el área bajo la curva del receptor operativo (ROC AUC).
Principales resultados:
- Los modelos de ML que integran múltiples características moleculares predijeron con precisión la respuesta a la ICB anti-PD-1 en 11 de 12 pacientes.
- Se identificaron un nicho específico de linfocitos T infiltrantes de tumores, la composición de las células inmunitarias y los niveles de óxido nítrico sintasa como características predictivas importantes.
- Se logró una predicción óptima (área bajo la curva ROC de 0.76) utilizando todas las características moleculares, incluidas las relaciones espaciales, dentro de las regiones ricas en inmunidad.
Conclusiones:
- Los modelos de aprendizaje automático que utilizan datos de proteómica espacial pueden predecir con precisión la respuesta a la terapia de ICB anti-PD-1 en el melanoma avanzado.
- La integración de datos espaciales multiómicos, en particular las relaciones espaciales celulares y la composición del microambiente inmunitario, mejora la precisión predictiva.
- Este enfoque demuestra la viabilidad de la selección personalizada del tratamiento para pacientes con melanoma avanzado que reciben inmunoterapia.
