Med | 循环Temra细胞的"分子指纹"，同济大学陈昶等利用机器学习模型解锁其预测免疫治疗响应的潜力

背景：免疫检查点抑制剂（ICIs）改变了癌症治疗模式，但患者持续反应率仍低于30%，现有生物标志物如PD-L1和肿瘤突变负荷（TMB）的预测性能不一致，亟需更有效的预测工具。研究目的：同济大学陈昶等团队旨在开发一种基于血液转录组的泛癌生物标志物，利用循环Temra细胞的基因表达谱，结合机器学习模型来预测患者对免疫治疗的响应。结论：研究成功构建了一个机器学习模型，该模型通过分析循环Temra细胞的转录特征，能够使用常规血液样本预测免疫治疗疗效，并在前瞻性非小细胞肺癌（NSCLC）队列中得到验证，为临床提供了一种微创、可行的个性化治疗决策工具。