ResponseVerdict overturns computationally validated immunotherapy signatures, recovers their missed responders and outperforms every published response predictor
本研究は、既存の計算ツールの低い予測性能とバイアスを克服するために、測定された臨床アウトカムに基づいて免疫療法への反応シグネチャーを再配向および選択する手法であるResponseVerdictを導入するものであり、これにより、発表されているすべての予測手法を大幅に上回り、治療の恩恵を受ける患者を実質的に多く特定する。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
がん免疫療法は、体自身の免疫システムを利用して腫瘍を狩り取る方法を提供することで、医師による病気の治療方法に革命をもたらしました。一部の患者にとって、これらの治療法は長期的な寛解をもたらしますが、多くの他の患者にとっては、薬が単に効果を発揮しないこともあります。腫クターの最大の課題は、どの患者が恩恵を受け、どの患者が受けられないかを事前に知ることであり、後者の患者には不必要な副作用やコストを避けさせつつ、前者の患者には命を救うケアを確実に届けることです。これを解決するために、科学者たちは長年、「シグネチャー（署名）」、つまり腫瘍内の特定の遺伝子リストを構築しようと試みてきました。これは、成功の可能性が高い場合には緑色、失敗の可能性が高い場合には赤色に点滅する警告灯のような役割を果たします。これらの遺伝コードを読み取ることで、医師が薬を一度も投与する前に結果を予測できることが期待されてきました。
しかし、ある新しい分析は、多くの研究者が従ってきた地図が根本的に欠陥があることを示唆しています。ある科学者チームは、近年提案された数千ものこれらの遺伝的シグネチャーを調査し、それらが実際に治療を受けた実際の患者に対してテストされた際、ランダムな推測と変わらない性能しか示さないことを発見しました。この研究は、これらの予測に使用されていた標準的な検証方法が誤解を招くものであり、研究者が患者の一般的な健康状態の見通しを、薬に対する特定の反応であると誤認させていたことを明らかにしました。これらの壊れたツールを、他の患者から得られた実測値に厳格に基づいた新しい手法に置き換えることで、研究者たちは、実際に免疫療法に反応する人々をより一貫して特定できるシステムを作り上げました。
問題は、これらの遺伝的シグネチャーがどのように構築されたかに端を発しています。その多くは、患者がどのくらい生存したかという情報は含まれているものの、免疫療法を受けた記録はない腫瘍サンプルの大規模なデータベースを使用して開発されました。研究者たちは治療データを持っていなかったため、生存期間を予測するようにモデルを適合させました。多くの癌において、免疫細胞が高いレベルで腫瘍内に存在することは、治療が行われない場合、免疫系が疾患を制御しようと苦闘しているサインであり、むしろ予後が悪い兆候となります。これらのモデルが後に免疫療法への反応を予測するために転用された際、その方向性は逆転しました。治療が行われなかった場合に悪い未来を示唆していた高い免疫レベルが、免疫系が薬に対して戦う準備ができているというサインとして再解釈されたのです。これにより、治療なしでは患者の経過が悪くなることを示唆していたまさにその特徴が、治療を行えば良好な結果をもたらすという予測に使用されるというパラドックスが生じました。
これらの予測を検証するために、科学界はTIDEと呼ばれる計算ツールに大きく依存してきました。このソフトウェアは、免疫細胞の「疲弊」の兆候を見ることで、腫瘍が免疫療法にどの程度反応するかを推定するように設計されました。新しい研究によれば、TIDE自体がデータを誤解していることが分かりました。TIDEは、疲弊した免疫細胞（細胞は存在するが、使い果たされている細胞）の存在を失敗の兆候として扱っていましたが、実際には、これらの細胞こそが薬によって再び目覚めさせることができる細胞であることが多いのです。その結果、TIDEは、実際には免疫細胞が豊富で反応する可能性が高い腫瘍を、「非反応者」として頻繁にラベル付けしていました。非常に多くの新しいシグネチャーがTIDEと一致するように構築されたため、それらはこのエラーを継承し、誤った予測が別の誤ったツールによって検証されるという循環を生み出しました。
研究者たちは、1,200件以上の科学論文から1,566の異なるシグネチャーを集め、実際に免疫療法を受けた2,000人以上の患者のデータに適用することで、これを検証しました。結果は明白でした。これらのシグネチャーの大部分には、誰が反応するかを予測する能力はありませんでした。その正確性は、コイン投げの結果と区別がつきませんでした。実際、研究によれば、ランダムに遺伝子のセットを選んだとしても、これらの複雑なシグネチャーがパスしたのと同じ検証テストをパスすることを示しており、テストが実際に治療への反応を測定していなかったことを証明しました。これらのシグネチャーは非常に劣悪であり、何年も前から利用可能であった単純で古い免疫活動の指標よりも性能が低いものでした。
この失敗に対応して、チームは「ResponseVerdict」と呼ばれる新しいアプローチを開発しました。この手法は、コンピュータ・シミュレーションや他のツールとの一致性に頼るのではなく、他のグループの患者が実際にどのように治療に反応したかを直接見ます。この手法は、予測モデルの方向性を、患者の経験という現実と一致させるように、これらの現実世界の成果を利用します。従来のシグネチャーや確立された予測因子と比較してテストした際、ResponseVerdictは、治療の恩恵を受ける患者をより一貫して特定しました。結果がまだ分かっていない前向きコホートの患者を対象とした特定のテストにおいて、この新手法は、以前の標準よりも有意に多くの反応者を正しく特定しました。
この修正の影響は、単なる予測の向上にとどまらず、実験や臨床試験の設計方法をも変えます。研究によれば、欠陥のあるシグネチャーのために、多くの実験が、免疫反応を実際に駆動しているわけではない信号を追い求め、誤った種類の細胞に対して行われていました。さらに、胃癌に関する現在の臨床試験では、これらの一つである欠陥のあるシグネチャーを使用して、どの患者が治療の対象となるかを決定しています。研究者たちは、このルールが、治療に良好に反応したはずの患者を不注意にも排除していたことを示しました。この新しい手法を使用していれば、試験はより多くの適切な患者を含めることができ、試験の結果を変えていた可能性があります。
研究者たちはまた、ランダム化比較試験における薬剤の割り当てを決定するために彼らの手法を適用しました。これは、単に反応者を見つけるだけでなく、標準的なケアと比較して、実験的な薬から最も利益を得る人々に対して、その薬を与えることを目的とするシナリオです。腎臓癌における大規模な試験では、従来の薬物感受性の予測手法により、患者が不適切な治療を受けてしまい、病勢進行のないまま数ヶ月の時間を失うことになりました。研究者が新しい割り当てルールを使用した際、彼らはがんの進行がない状態でかなりの時間を獲得した患者グループを特定し、残りのグループはそれほど恩恵を受けませんでした。これは、新しい手法が、単に誰が反応するかを予測するだけでなく、グループ全体の利益を最大化するために、誰にどの治療を行うべきかを最適化できることを示唆しています。
本研究は、この分野が実測された現実ではなく、計算上の合意という基盤の上で運営されてきたと結論付けています。患者の実際の成果に焦点を戻し、元の論文が書かれた当時に入手可能であったデータを使用することで、研究者たちは、より良い道が常に存在していたことを証明しました。この新しいシステムは、新しいデータや未来的なテクノロジーを必要としません。単に、問いかけ方の異なる方法を必要としているだけです。「モデルがコンピュータ・プログラムと一致しているか」と問うのではなく、「モデルが患者と一致しているか」と問うのです。この転換は、すでに、治療を受ける100人の患者につき数十人の追加の反応者を回復できることを示しており、この利得は、がん患者の生存率と生活の質（QOL）の有意義な向上へとつながる可能性があります。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。