Single-cell foundation models predict durable CAR T response despite imperfect cell annotation
这项研究表明，单细胞基础模型能够通过输注前的单细胞转录组测序（scRNA-seq）数据，高准确度地预测儿童 B-ALL 患者体内 CAR T 细胞的持久性，即使在细胞注释不完美的情况下也能提供具有临床指导意义的见解，并确定 CD8+XCL1/2+ 细胞是长期响应的关键生物标志物。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下你的身体是一座繁忙的城市，而你的免疫系统则是守护这座城市的精英警察部队。有时，当城市受到某种特定类型罪犯（比如某种类型的血液癌症）的攻击时，医生会给警察进行“超能力升级”。他们从患者身上提取一些警员，在实验室里对他们进行训练，让他们能够识别坏人，然后将他们送回战场，成为一种被称为 CAR T-细胞疗法的“活体药物”。这就像是派出一支超级英雄小队。对于许多人来说，这种方法效果惊人；但对于大约一半的患者来说，这些超级英雄会感到疲惫或过早离开，导致癌症卷土重来。多年来，科学家们一直试图弄清楚如何预测哪些超级英雄小队能够坚持下去并赢得战争。通常情况下，为了做到这一点，他们必须逐一查看小队的“身份证”，这个过程缓慢、昂贵，并且需要一支由专家组成的侦探团队来处理这些繁琐的文书工作。
于是，一种新型工具出现了：人工智能“基础模型”。把它们想象成超级聪明的 AI 侦探，它们在见到这些新小队之前，已经阅读过数百万张来自健康人的身份证。它们理应能够瞥一眼新小队，瞬间识别出谁是谁，甚至不需要人类专家在旁指导。但这里有一个大问题：当这些“身份证”来自于经过实验室高度改造和训练的超级英雄小队时，这些 AI 侦探真的能发挥作用吗？更重要的是，即使 AI 在识别单个“身份证”时犯了一些错误，它是否仍能告诉我们哪支小队会取得最终胜利？这正是耶鲁大学和麻省理工学院的一组科学家试图解决的谜题。他们想要观察这些高科技 AI 工具是否能够帮助医生预测癌症治疗的前景，即便该 AI 在标记每一个细胞时并不完美。
研究人员观察了 33 名接受了这种超级英雄治疗的儿科患者。他们使用了四种不同的 AI “侦探”（分别命名为 scGPT、scFoundation、CellPLM 和 UCE）来分析患者治疗前的小队细胞。这些细胞在两种状态下被观察：静息状态和“受刺激”状态（即被唤醒去战斗的状态）。研究小组发现，与观察普通的健康警察时相比，这些 AI 侦探表现得有些吃力。当细胞属于经过工程化改造的超级英雄小队时，AI 正确标记每一个细胞的能力在评分量表上下降了约 0.21 到 0.25 分。当细胞被唤醒去战斗时，情况变得更加困难。AI 也很难发现特定的稀有细胞类型，比如负责维持和平的“调节型”警员，甚至经常完全漏掉它们。
然而，这里有一个令人惊喜的转折：尽管 AI 在标记每一个细胞时并不完美，但它在预测整个群体结果方面仍然表现得极其出色。当研究人员观察 AI 所识别出的“整体细胞构成”时，他们可以判断哪些患者会获得长期的治愈，而哪些不会。AI 的预测非常准确，在区分“长期保持无癌状态”与“无法长期保持无癌状态”的患者方面，其得分达到了 0.879（在以 1.0 为完美的量表上）。事实上，对于某些特定的细胞类型，AI 那种“不完美”的猜测甚至比人类专家创建的标签更能预测结果。
这项研究表明，AI 发现了一种特殊的“特征签名”。具体而言，它一致地发现了一组被称为 CD8+XCL1/2+ 的细胞，这是治疗能够长期奏效的关键信号。这些细胞似乎充当了“信号弹”的角色，召唤其他助手来支持超级英雄小队。研究人员将这些发现封装进了一个“决策支持代理”中——这是一个简单的计算机工具，可以获取患者的细胞数据，并输出一个关于长期成功治愈概率的评分。
需要注意的是，这是一项“概念验证”研究。获得长期治愈的患者群体非常小（仅 5 人），因此虽然结果非常令人振奋，但在医生能在医院中使用该工具之前，还需要在更大规模的人群中进行测试。作者还指出，AI 仍然会遗漏一些重要的细胞类型，比如“精疲力竭型”或“调节型”细胞，这意味着 AI 需要更多包含这些特定“麻烦制造者”细胞的训练数据，才能获得完全的信任。但核心结论是充满希望的：你并不需要一个完美、无误的 AI 来做出挽救生命的预测。有时，一个能够看到大局且略带瑕疵的 AI，正是我们在对抗癌症的战斗中所需要的。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。