機械学習モデルは治療効果を予測します
新しい機械学習モデルは、現在の試行錯誤の方法ではなく、ICBに反応する可能性が最も高い患者をすばやく特定することで、治療までの時間を短縮できます。 
アイントホーフェン工科大学の研究者は、特定の免疫療法が癌患者に役立つかどうかをより正確に予測するために機械学習に目を向けています。最新の論文のモデルは有望であり、これまでの従来の臨床アプローチを上回っています。
がんとの闘いにおける免疫療法の活用
腫瘍細胞は体の自然な防御から隠れており、癌の標的化と治療が難しいことで有名です。腫瘍細胞は体の自然な免疫応答をブロックしますが、免疫療法は一部の患者にとっては再びそれを目覚めさせることができます。問題は、どの患者が最も反応する可能性が高いかを早期に発見することです。
そのような治療法の1つである免疫チェックポイント阻害剤（ICB）は、隠れようとしている癌細胞によって出されたシャットダウン命令を無視するように免疫細胞に指示します。これは革新的な発見ですが、がん患者の約3分の1だけが治療に反応します。
新しい機械学習モデルは、現在の試行錯誤の方法ではなく、ICBに反応する可能性が最も高い患者をすばやく特定することで、治療までの時間を短縮できます。このモデルは、反応しない可能性が高い患者が代わりにタイムリーな治療を受けることを保証するのにも役立ちます。このモデルは、他の3分の2の患者が反応しない理由を正確に明らかにする可能性もあります。
関連項目： AIは臨床試験の新時代を切り開くことができる
機械学習モデルの仕組み
機械学習は、患者のサンプルから腫瘍のバイオマーカーを調査します。これらのマーカーが他の細胞とどのように通信して、ICBへの応答を引き起こすか、それを拒否するかを調べます。そこから、マシンは患者のサンプルから学習して、ICBの成功を示す同じバイオマーカーを持っている将来の患者を特定できます。
機械学習を使用することは新しい方法ではありませんが、研究者は永続的なデータアクセスの問題を解明するための小さなトリックを追加しました。 RNAシーケンスデータセットは広く利用可能ですが、がん反応に固有のデータセットは限られています。研究者はいくつかの代替免疫応答を使用しました。一緒に、それらは肯定的なICB応答を示す可能性があります。
現在のバイオマーカー検出に対してテストした場合、モデルのパフォーマンスは向上しました。また、目的の免疫応答を獲得する上でどのマーカーが最も重要であるかを特定するのにも役立ちます。これは、医師や医療専門家と協力して個別化医療を提供するためのもう1つのステップです。
モノのインターネットテクノロジー