针对胆管癌的免疫检查点抑制剂反应的机器学习驱动的预测:胆汁活检视角
Dengyong Zhang1, Xinrui Li2, Zhonglin Wang3
1Department of General Surgery, The First Affiliated Hospital of Bengbu Medical University, Bengbu, Anhui, China.
Frontiers in immunology
|July 1, 2025
概括
这项研究开发了一种机器学习模型,整合了胆汁代谢和免疫标记,以预测胆管癌患者对免疫治疗的反应. 该模型有助于个性化治疗和手术前诊断,以获得更好的结果.
科学领域:
- 肝胆道医学 肝胆道医学
- 癌症研究 癌症研究
- 免疫治疗是一种免疫疗法.
背景情况:
- 胆管癌 (CCA) 治疗在预测免疫疗法反应和开发手术前诊断模型方面面临挑战.
- 目前的治疗策略需要加强,以改善患者的治疗结果.
研究的目的:
- 开发一个预测模型来评估胆管癌患者对编程细胞死亡蛋白1 (PD-1) 抑制剂的敏感性.
- 整合胆汁代谢数据与免疫光衍生的免疫标记物,以全面评估瘤免疫微环境.
- 探索开发CCA先进的手术前诊断模型的潜力.
主要方法:
- 从CCA患者收集胆汁样本进行代谢和微生物组分析.
- 在FFPE组织上进行免疫光 (IF) 染色,以创建免疫热冷指数 (IHC指数).
- 利用LASSO回归和机器学习来构建一个整合代谢数据和IHC指数的预测模型.
主要成果:
- 鉴定了CCA患者和非恶性肝病对照者之间以及不同遗传突变之间代谢特征的显著差异.
- IHC指数有效地区分了免疫"热"和"冷"状态,与免疫治疗反应相关.
- 在CCA患者中验证了预测模型的准确性和临床相关性.
结论:
- 开发的预测模型作为评估CCA患者对PD-1抑制剂敏感性的强大工具,促进个性化治疗.
- 结合胆汁代谢与IF数据,为CCA的手术前诊断模型开发提供了一个有希望的途径.
- 这种方法可以提高胆管癌的早期检测和治疗计划.
