免疫检查点抑制剂（ICI）可以增强机体对癌细胞的免疫反应，但大多数癌症患者却没有获得到持久的临床益处。因此，该治疗的一个重要临床需求是开发普遍可及的生物标志物来预测患者对ICI的反应。目前，可用的基因组和免疫学分析还不能在全球范围内广泛使用。

TMB和PD-L1免疫组化表达是美国FDA批准用于预测ICI药物疗效的生物标志物，但这些标记物的准确性有限并且实际限制阻碍了其广泛临床应用。PD-L1免疫组化需要使用各种平台、抗体和分析操作进行，并且缺乏标准化的抗体克隆和PD-L1免疫组化评分系统；TMB分析则需要足够的肿瘤组织和资源来进行基因组分析，并且由于基因组panel大小、基因含量和生物信息学算法的差异，检测的TMB也存在差异。

近日，西奈山伊坎医学院Diego Chowell博士团队与纪念斯隆-凯特琳（MSK）癌症中心Luc G. T. Morris博士团队合作，开发了机器学习模型SCORPIO。在不使用昂贵的基因组学或免疫系统分析的情况下，SCORPIO模型仅依赖于常规血液检测和基本临床数据即可预测癌症患者对ICI治疗的反应，且比FDA批准的生物标志物（如肿瘤突变负荷（TMB）和PD-L1免疫组化）更有效。

SCORPIO模型是利用9,745名接受ICIs治疗的患者数据进行了开发和验证，涉及21种癌症类型，包括膀胱癌、肝胆癌、黑色素瘤、非小细胞肺癌（NSCLC）、肾细胞癌（RCC）和小细胞肺癌（SCLC）等。这是迄今为止癌症免疫治疗研究领域最大的数据集。

研究团队收集了2014年至2019年在MSK癌症研究所接受ICI治疗的17种癌症类型的2035名患者的数据，随机分为训练集（n = 1628）和保留数据集（n = 407）。研究人员使用训练集数据开发机器学习模型，在保留数据集和另外2104名接受ICI治疗的MSK患者的独立队列中进行了内部验证；在来自10项全球III期临床试验的4447名接受ICI治疗的患者和在西奈山医疗系统（MSHS）接受ICI治疗的1159名患者的真实世界队列中进行了外部验证。

在模型训练之前，研究团队对训练集进行了特征选择分析，以识别与ICI治疗结果相关的特征（图1b）。利用人口统计学、临床和常规实验室血液检测数据，研究团队开发了两个机器学习模型来预测ICI治疗后的反应，其中一个用于预测总生存期，另一个用于预测临床获益（CR、PR和SD≥6个月），并在保留数据集中选择了表现最好的模型SCORPIO（图1c）。

图：研究设计和分析。

在保留数据的内部验证中，用于预测总生存期的模型SCORPIO预测了ICI治疗后6、12、18、24和30个月的总生存期，中位泛癌AUC(t)为0.763（图2），优于TMB（AUC(t)为0.503）。此外，在预测ICI的临床获益时，SCORPIO模型预测的泛癌AUC(t)为0.714，超过了SCORPIO-CB（泛癌AUC(t)为0.701）和TMB（泛癌AUC(t)为0.546）。SCORPIO在所有癌症类型中的表现始终优于SCORPIO-CB和TMB。

在MSK患者独立队列的内部验证中，SCORPIO模型在预测6、12、18、24和30个月的总生存时，AUC(t)为0.759，优于TMB，其中位AUC(t)值为0.543。在预测ICI的临床获益时，SCORPIO模型表现出优越的预测性能，泛癌AUC(t)为0.641。

值得注意的是，SCORPIO在预测总体生存期和临床获益方面优于大多数癌症类型特异性模型，表明在大型泛癌症数据上训练的SCORPIO成功地学习了癌症类型之间的相关关系。

外部验证使用10项全球3期试验（6种癌症类型的4447名患者）和来自MSHS的真实队列（18种癌症类型的1159名患者）进行。在这些外部队列中，各种性能指标表明，SCORPIO在预测临床获益和总生存期方面保持了强劲的表现，优于PD-L1免疫组化。

图：SCORPIO模型在所有真实世界队列、III期临床试验和不同肿瘤类型中的表现。

ICI是一种很有前景的癌症治疗方法，但并不是对所有人都有效。目前，医生使用昂贵的检测，如遗传或免疫系统分析，试图预测哪些患者将受益。这些检测可能是昂贵、耗时、不准确的，并且不是每个医院都能提供。SCORPIO模型仅依赖于广泛可用和负担得起的常规血液检测，而且在预测患者对ICI治疗反应方面，也优于现有的FDA批准的生物标志物，这使得预测治疗反应更快、更简单、更准确、更实惠，为精确肿瘤学工具设定了新的基准。

Chowell表示：“我们对这项技术的潜力感到兴奋，它可以使个性化癌症治疗大众化，使癌症护理对患者来说更有效、更实惠、更公平。SCORPIO的简单性和可负担性使其成为肿瘤学领域的游戏规则改变者。通过使用现成的临床数据，我们可以确保更多的患者能获得精确的癌症护理。这种工具不仅可以改善患者的治疗效果，还可以通过消除不必要的治疗来帮助最大限度地降低医疗成本。”

Morris表示：“该研究的下一步是与医院和癌症中心合作，前瞻性地验证SCORPIO模型在各种临床环境中的使用，并收集反馈以进行优化。”

持续的算法改进将提高SCORPIO的准确性和预测能力，有可能将其应用扩展到其他癌症治疗。总体而言，这些可以帮助SCORPIO成为个性化肿瘤学的重要工具，提高全球患者的ICI治疗疗效和医疗保健效率。研究团队还希望将SCORPIO扩展到全球使用，使其在资源有限的环境中可用，以促进个性化癌症护理的公平获得。

论文链接：

Yoo, SK., Fitzgerald, C.W., Cho, B.A. et al. Prediction of checkpoint inhibitor immunotherapy efficacy for cancer using routine blood tests and clinical data. Nat Med (2025). https://doi.org/10.1038/s41591-024-03398-5

Tags： Nat Med：无需基因组分析！新AI模型利用常规血液检测即可预测癌症患者的ICI治疗反应