基于黑色素瘤疤痕周围皮肤病分析的人工智能算法的生成，作为对抗 PD-1 反应的预测因素 (HELIOPREDICT)

在过去十年中，免疫检查点抑制剂（如抗 PD-1 和抗 CTLA-4）的免疫疗法的出现彻底改变了晚期或转移性黑色素瘤的治疗。 然而，临床获益仍然仅限于一部分患者。 因此，确定最有可能从这些新疗法中受益的患者（并避免对无反应患者产生不必要的毒性）至关重要。 先前的研究发现，无论癌症的组织学类型如何，肿瘤 (TMB) 的高突变负荷与其对抗 PD-1 单一疗法的反应之间存在重要联系。 不幸的是，TMB 测量非常昂贵，并且需要广泛的测序方法，难以在临床实践中实施。 我已经表明，已知继发于致突变紫外线 (UVR) 的黑色素瘤通常携带高 TMB。 累积的 UVR 损伤会在患者皮肤上转化为可见的斑点，称为“皮肤癣菌病”，临床医生可以在原发性黑色素瘤疤痕周围用肉眼轻松识别。 我的项目首次提议将皮肤日光病作为抗 PD-1 免疫疗法反应的新型预测因素，在多学科肿瘤委员会中用作选择最佳治疗方案的强大决策支持工具。 具体来说，我将 1) 以前瞻性的方式开发、验证和测试一种基于人工智能 (AI) 的算法，以根据从患有不可切除的局部晚期或转移性黑色素瘤的患者那里获得的一组照片来评估瘢痕周围皮肤脱皮症的特征 2)通过表征周围皮肤单细胞转录组学以及患者的肿瘤 DNA、RNA 和宿主免疫学特征，证明皮肤日光病、TMB、免疫和治疗反应之间的联系。 这种可直接获取的、非侵入性的 TMB 替代标记物将改变临床实践的游戏规则，随后将转化为其他皮肤癌。