ຂ່າວ

ການປິ່ນປົວດ້ວຍພູມຕ້ານທານໄດ້ນໍາເອົາການປ່ຽນແປງປະຕິວັດໃນການປິ່ນປົວເນື້ອງອກທີ່ເປັນອັນຕະລາຍ, ແຕ່ຍັງມີຄົນເຈັບບາງຄົນທີ່ບໍ່ໄດ້ຮັບຜົນປະໂຫຍດ. ດັ່ງນັ້ນ, biomarkers ທີ່ເຫມາະສົມແມ່ນມີຄວາມຈໍາເປັນອັນຮີບດ່ວນໃນການນໍາໃຊ້ທາງດ້ານການຊ່ວຍເພື່ອຄາດຄະເນປະສິດທິພາບຂອງ immunotherapy, ເພື່ອເຮັດໃຫ້ປະສິດທິພາບສູງສຸດແລະຫຼີກເວັ້ນການເປັນພິດທີ່ບໍ່ຈໍາເປັນ.

FDA ອະນຸມັດ biomarkers

PD-L1 ສະແດງອອກ. ການປະເມີນລະດັບການສະແດງອອກຂອງ PD-L1 ໂດຍ immunohistochemistry (IHC) ໃຫ້ຄະແນນອັດຕາສ່ວນ tumor (TPS), ເຊິ່ງແມ່ນອັດຕາສ່ວນຂອງຈຸລັງເນື້ອງອກທີ່ມີເຍື່ອບາງສ່ວນຫຼືຢ່າງສົມບູນຂອງຄວາມເຂັ້ມຂົ້ນຂອງຈຸລັງ tumor ທີ່ມີຊີວິດຢູ່. ໃນການທົດລອງທາງດ້ານການຊ່ວຍ, ການທົດສອບນີ້ເຮັດຫນ້າທີ່ເປັນການທົດສອບການວິນິດໄສຊ່ວຍສໍາລັບການປິ່ນປົວມະເຮັງປອດທີ່ບໍ່ແມ່ນຈຸລັງຂະຫນາດນ້ອຍ (NSCLC) ກັບ pembrolizumab. ຖ້າ TPS ຂອງຕົວຢ່າງແມ່ນ ≥ 1%, ການສະແດງອອກ PD-L1 ຖືກພິຈາລະນາ; TPS ≥ 50% ຊີ້ໃຫ້ເຫັນເຖິງການສະແດງອອກສູງຂອງ PD-L1. ໃນການທົດລອງໄລຍະ 1 ເບື້ອງຕົ້ນ (KEYNOTE-001), ອັດຕາການຕອບສະຫນອງຂອງຄົນເຈັບໃນກຸ່ມຍ່ອຍ PD-L1 TPS> 50% ທີ່ໃຊ້ pembrolizumab ແມ່ນ 45.2%, ໃນຂະນະທີ່ບໍ່ຄໍານຶງເຖິງ TPS, ອັດຕາການຕອບສະຫນອງຂອງຄົນເຈັບທັງຫມົດທີ່ໄດ້ຮັບການປິ່ນປົວນີ້ inhibitor checkpoint inhibitor (ICI) ແມ່ນ 19.4%. ໄລຍະຕໍ່ມາ 2/3 ການທົດລອງ (KEYNOTE-024) ໄດ້ມອບໃຫ້ຄົນເຈັບແບບສຸ່ມທີ່ມີ PD-L1 TPS>50% ທີ່ຈະໄດ້ຮັບ pembrolizumab ແລະການປິ່ນປົວດ້ວຍທາງເຄມີມາດຕະຖານ, ແລະຜົນໄດ້ຮັບສະແດງໃຫ້ເຫັນເຖິງການປັບປຸງທີ່ສໍາຄັນຂອງການຢູ່ລອດ (OS) ໃນຄົນເຈັບທີ່ໄດ້ຮັບການປິ່ນປົວ pembrolizumab.

ຢ່າງໃດກໍຕາມ, ຄໍາຮ້ອງສະຫມັກຂອງ PD-L1 ໃນການຄາດຄະເນການຕອບສະຫນອງ ICI ແມ່ນຈໍາກັດໂດຍປັດໃຈຕ່າງໆ. ກ່ອນອື່ນ ໝົດ, ເກນທີ່ດີທີ່ສຸດ ສຳ ລັບໂຣກມະເຮັງຊະນິດຕ່າງໆແຕກຕ່າງກັນ. ຕົວຢ່າງ, Pabolizumab ສາມາດນໍາໃຊ້ໄດ້ໃນເວລາທີ່ການສະແດງອອກຂອງ tumor PD-L1 ຂອງຄົນເຈັບທີ່ເປັນມະເຮັງກະເພາະອາຫານ, ມະເຮັງ esophageal, ມະເຮັງພົກຍ່ຽວແລະມະເຮັງປອດແມ່ນ 1%, 10% ແລະ 50% ຕາມລໍາດັບ. ອັນທີສອງ, ການປະເມີນປະຊາກອນຂອງເຊນຂອງການສະແດງອອກ PD-L1 ແຕກຕ່າງກັນໄປຕາມປະເພດຂອງມະເຮັງ. ຕົວຢ່າງ, ການປິ່ນປົວໂຣກມະເຮັງຈຸລັງ squamous ທີ່ເກີດຂຶ້ນຊ້ຳໆ ຫຼື metastatic ຂອງຫົວ ແລະຄໍ ອາດຈະເລືອກໃຊ້ວິທີການທົດສອບທີ່ໄດ້ຮັບການອະນຸມັດຈາກ FDA ອື່ນ, ຄະແນນບວກທີ່ສົມບູນແບບ (CPS). ອັນທີສາມ, ເກືອບບໍ່ມີຄວາມສໍາພັນລະຫວ່າງການສະແດງອອກຂອງ PD-L1 ໃນມະເຮັງຕ່າງໆແລະການຕອບສະຫນອງ ICI, ຊີ້ໃຫ້ເຫັນວ່າພື້ນຖານຂອງ tumor ອາດຈະເປັນປັດໃຈສໍາຄັນໃນການຄາດຄະເນ biomarkers ICI. ຕົວຢ່າງ, ອີງຕາມຜົນຂອງການທົດສອບ CheckMate-067, ມູນຄ່າການຄາດຄະເນທາງລົບຂອງການສະແດງອອກ PD-L1 ໃນ melanoma ແມ່ນມີພຽງແຕ່ 45%. ສຸດທ້າຍ, ການສຶກສາຫຼາຍໆຄັ້ງໄດ້ພົບເຫັນວ່າການສະແດງອອກ PD-L1 ແມ່ນບໍ່ສອດຄ່ອງໃນທົ່ວ lesions tumor ທີ່ແຕກຕ່າງກັນໃນຄົນເຈັບຄົນດຽວ, ເຖິງແມ່ນວ່າພາຍໃນ tumor ດຽວກັນ. ສະຫຼຸບແລ້ວ, ເຖິງແມ່ນວ່າການທົດລອງທາງດ້ານການຊ່ວຍເບື້ອງຕົ້ນຂອງ NSCLC ໄດ້ກະຕຸ້ນໃຫ້ມີການຄົ້ນຄວ້າກ່ຽວກັບການສະແດງອອກຂອງ PD-L1 ເປັນ biomarker ທີ່ເປັນໄປໄດ້, ຜົນປະໂຫຍດທາງດ້ານການຊ່ວຍໃນປະເພດຕ່າງໆຂອງມະເຮັງຍັງບໍ່ຈະແຈ້ງ.

ພາລະການກາຍພັນຂອງເນື້ອງອກ. Tumor Mutation Burden (TMB) ໄດ້ຖືກນໍາໃຊ້ເປັນຕົວຊີ້ບອກທາງເລືອກຂອງພູມຕ້ານທານຂອງ tumor. ອີງຕາມຜົນຂອງການທົດລອງທາງດ້ານການຊ່ວຍຂອງ KEYNOTE-158, ໃນບັນດາ 10 ປະເພດຂອງເນື້ອງອກແຂງແບບພິເສດທີ່ໄດ້ຮັບການປິ່ນປົວດ້ວຍ pembrolizumab, ຄົນເຈັບທີ່ມີການປ່ຽນແປງຢ່າງຫນ້ອຍ 10 ຕໍ່ megabase (TMB ສູງ) ມີອັດຕາການຕອບສະຫນອງສູງກວ່າຜູ້ທີ່ມີ TMB ຕ່ໍາ. ມັນເປັນມູນຄ່າທີ່ສັງເກດວ່າໃນການສຶກສານີ້, TMB ເປັນຜູ້ຄາດຄະເນຂອງ PFS, ແຕ່ມັນບໍ່ສາມາດຄາດຄະເນ OS ໄດ້.

ການຕອບສະຫນອງການປິ່ນປົວດ້ວຍພູມຕ້ານທານແມ່ນຂັບເຄື່ອນຕົ້ນຕໍໂດຍການຮັບຮູ້ T cell ຂອງ antigens ໃຫມ່. immunogenicity ທີ່ກ່ຽວຂ້ອງກັບ TMB ທີ່ສູງຂຶ້ນຍັງຂຶ້ນກັບປັດໃຈຕ່າງໆ, ລວມທັງ tumor neoantigen ທີ່ນໍາສະເຫນີໂດຍ tumor; ລະບົບພູມຕ້ານທານຮັບຮູ້ tumor neoantigens; ຄວາມສາມາດຂອງເຈົ້າພາບໃນການລິເລີ່ມການຕອບສະຫນອງສະເພາະ antigen. ຕົວຢ່າງ, ຂໍ້ມູນແນະນໍາວ່າເນື້ອງອກທີ່ມີການແຊກຊຶມສູງສຸດຂອງຈຸລັງພູມຕ້ານທານບາງອັນອາດມີການຂະຫຍາຍໂຄນຂອງລະບົບ inhibitory T cell (Treg). ນອກຈາກນັ້ນ, ຂອບເຂດຂອງ TMB ອາດຈະແຕກຕ່າງຈາກທ່າແຮງຂອງ TMB neoantigens, ຍ້ອນວ່າສະຖານທີ່ທີ່ແນ່ນອນຂອງການກາຍພັນຍັງມີບົດບາດສໍາຄັນ; ການກາຍພັນທີ່ໄກ່ເກ່ຍເສັ້ນທາງທີ່ແຕກຕ່າງກັນຂອງການນໍາສະເຫນີ antigen ສາມາດສົ່ງຜົນກະທົບຕໍ່ການນໍາສະເຫນີ (ຫຼືບໍ່ແມ່ນການນໍາສະເຫນີ) ຂອງ antigens ໃຫມ່ຕໍ່ລະບົບພູມຕ້ານທານ, ສະແດງໃຫ້ເຫັນວ່າເນື້ອງອກແລະຄຸນລັກສະນະທາງພູມຕ້ານທານຕ້ອງສອດຄ່ອງກັນເພື່ອຜະລິດການຕອບສະຫນອງ ICI ທີ່ດີທີ່ສຸດ.

ໃນປັດຈຸບັນ, TMB ຖືກວັດແທກໂດຍຜ່ານລໍາດັບການຜະລິດຕໍ່ໄປ (NGS), ເຊິ່ງອາດຈະແຕກຕ່າງກັນລະຫວ່າງສະຖາບັນຕ່າງໆ (ພາຍໃນ) ຫຼືເວທີການຄ້າທີ່ໃຊ້. NGS ປະກອບມີການຈັດລໍາດັບ exome ທັງຫມົດ (WES), ການຈັດລໍາດັບ genome ທັງຫມົດ, ແລະການຈັດລໍາດັບເປົ້າຫມາຍ, ເຊິ່ງສາມາດໄດ້ຮັບຈາກເນື້ອເຍື່ອ tumor ແລະ circulating tumor DNA (ctDNA). ມັນເປັນມູນຄ່າທີ່ສັງເກດວ່າເນື້ອງອກປະເພດຕ່າງໆມີຄວາມຫລາກຫລາຍຂອງ TMB, ເນື້ອງອກທີ່ມີພູມຕ້ານທານເຊັ່ນ melanoma, NSCLC, ແລະມະເຮັງຈຸລັງ squamous ມີລະດັບ TMB ສູງສຸດ. ເຊັ່ນດຽວກັນ, ວິທີການກວດຫາທີ່ຖືກອອກແບບມາສໍາລັບປະເພດເນື້ອງອກທີ່ແຕກຕ່າງກັນມີຄໍານິຍາມທີ່ແຕກຕ່າງກັນຂອງຄ່າເກນ TMB. ໃນການສຶກສາຂອງ NSCLC, melanoma, carcinoma urothelial, ແລະມະເຮັງປອດຂອງຈຸລັງຂະຫນາດນ້ອຍ, ວິທີການກວດເຫຼົ່ານີ້ໃຊ້ວິທີການວິເຄາະທີ່ແຕກຕ່າງກັນ (ເຊັ່ນ: ການກວດຫາ WES ຫຼື PCR ສໍາລັບຕົວເລກສະເພາະຂອງ genes ທີ່ກ່ຽວຂ້ອງ) ແລະຂອບເຂດ (TMB ສູງຫຼື TMB ຕ່ໍາ).

ໄມໂຄຣດາວທຽມບໍ່ໝັ້ນຄົງສູງ. Microsatellite ທີ່ບໍ່ສະຖຽນລະພາບສູງ (MSI-H), ເປັນຕົວຊີ້ບອກມະເຮັງກະເພາະສໍາລັບການຕອບສະຫນອງ ICI, ມີປະສິດທິພາບທີ່ດີເລີດໃນການຄາດຄະເນປະສິດທິພາບຂອງ ICI ໃນມະເຮັງຕ່າງໆ. MSI-H ເປັນຜົນມາຈາກການສ້ອມແປງຂໍ້ບົກພ່ອງທີ່ບໍ່ກົງກັນ (dMMR), ນໍາໄປສູ່ອັດຕາການກາຍພັນທີ່ສູງ, ໂດຍສະເພາະໃນເຂດ microsatellite, ເຊິ່ງກໍ່ໃຫ້ເກີດການຜະລິດ antigens ໃຫມ່ຈໍານວນຫລາຍແລະໃນທີ່ສຸດກໍ່ເຮັດໃຫ້ເກີດການຕອບສະຫນອງຂອງພູມຕ້ານທານ clonal. ເນື່ອງຈາກພາລະການກາຍພັນສູງທີ່ເກີດຈາກ dMMR, tumors MSI-H ສາມາດຖືວ່າເປັນປະເພດຂອງເນື້ອງອກທີ່ເຮັດໃຫ້ເກີດການກາຍພັນສູງ (TMB). ອີງຕາມຜົນການທົດລອງທາງດ້ານການຊ່ວຍຂອງ KEYNOTE-164 ແລະ KEYNOTE-158, FDA ໄດ້ອະນຸມັດ pembrolizumab ສໍາລັບການປິ່ນປົວເນື້ອງອກ MSI-H ຫຼື dMMR. ນີ້ແມ່ນ ໜຶ່ງ ໃນຢາຕ້ານມະເຮັງກະເພາະອາຫານທີ່ອະນຸມັດໂດຍ FDA ທີ່ຂັບເຄື່ອນໂດຍຊີວະວິທະຍາ tumor ແທນທີ່ຈະເປັນ histology.

ເຖິງວ່າຈະມີຜົນສໍາເລັດອັນໃຫຍ່ຫຼວງ, ຍັງມີບັນຫາທີ່ຕ້ອງລະວັງໃນເວລາທີ່ໃຊ້ສະຖານະ MSI. ຕົວຢ່າງ, ເຖິງ 50% ຂອງຄົນເຈັບມະເຮັງລໍາໃສ້ dMMR ບໍ່ມີການຕອບສະຫນອງຕໍ່ການປິ່ນປົວ ICI, ຊີ້ໃຫ້ເຫັນຄວາມສໍາຄັນຂອງລັກສະນະອື່ນໆໃນການຄາດຄະເນການຕອບສະຫນອງ. ລັກສະນະພາຍໃນອື່ນໆຂອງເນື້ອງອກທີ່ບໍ່ສາມາດປະເມີນໄດ້ໂດຍເວທີການກວດພົບໃນປະຈຸບັນອາດຈະເປັນປັດໃຈປະກອບສ່ວນ. ຕົວຢ່າງ, ມີລາຍງານວ່າຄົນເຈັບທີ່ມີການກາຍພັນໃນພັນທຸກໍາທີ່ເຂົ້າລະຫັດ subunits ທີ່ສໍາຄັນຂອງ polymerase delta (POLD) ຫຼື polymerase ε (POLE) ໃນພາກພື້ນ DNA ຂາດຄວາມຊື່ສັດຂອງການຈໍາລອງແລະສະແດງ phenotype "ການກາຍພັນ" ໃນເນື້ອງອກຂອງເຂົາເຈົ້າ. ເນື້ອງອກເຫຼົ່ານີ້ບາງອັນໄດ້ເພີ່ມຄວາມບໍ່ສະຖຽນຂອງຈຸນລະພາກ (ດັ່ງນັ້ນຈຶ່ງເປັນຂອງ MSI-H), ແຕ່ໂປຣຕີນການສ້ອມແປງບໍ່ກົງກັນ (ເພາະສະນັ້ນຈຶ່ງບໍ່ແມ່ນ dMMR).

ນອກຈາກນັ້ນ, ຄ້າຍຄືກັນກັບ TMB, MSI-H ຍັງໄດ້ຮັບຜົນກະທົບຈາກຊະນິດ antigen ໃຫມ່ທີ່ສ້າງຂຶ້ນໂດຍຄວາມບໍ່ສະຖຽນລະພາບຂອງ microsatellite, ການຮັບຮູ້ຂອງເຈົ້າພາບຂອງຊະນິດ antigen ໃຫມ່, ແລະການຕອບສະຫນອງຂອງລະບົບພູມຕ້ານທານຂອງເຈົ້າພາບ. ເຖິງແມ່ນວ່າຢູ່ໃນເນື້ອງອກປະເພດ MSI-H, ຈໍານວນຂະຫນາດໃຫຍ່ຂອງການກາຍພັນ nucleotide ດຽວໄດ້ຖືກລະບຸວ່າເປັນການກາຍພັນຂອງຜູ້ໂດຍສານ (ການກາຍພັນທີ່ບໍ່ແມ່ນຄົນຂັບ). ດັ່ງນັ້ນ, ພຽງແຕ່ອີງໃສ່ຈໍານວນ microsatellites ທີ່ລະບຸໄວ້ໃນ tumor ແມ່ນບໍ່ພຽງພໍ; ປະເພດຂອງການກາຍພັນຕົວຈິງ (ຖືກກໍານົດໂດຍຜ່ານໂປຣໄຟລ໌ການກາຍພັນສະເພາະ) ສາມາດປັບປຸງການປະຕິບັດການຄາດເດົາຂອງ biomarker ນີ້. ນອກຈາກນັ້ນ, ມີພຽງແຕ່ສ່ວນນ້ອຍຂອງຄົນເຈັບທີ່ເປັນມະເຮັງເປັນຂອງເນື້ອງອກ MSI-H, ເຊິ່ງຊີ້ໃຫ້ເຫັນເຖິງຄວາມຕ້ອງການໃນປັດຈຸບັນສໍາລັບການໃຊ້ biomarkers ຢ່າງກວ້າງຂວາງ. ດັ່ງນັ້ນ, ການກໍານົດ biomarkers ທີ່ມີປະສິດທິພາບອື່ນໆເພື່ອຄາດຄະເນປະສິດທິພາບແລະຄໍາແນະນໍາການຄຸ້ມຄອງຄົນເຈັບຍັງຄົງເປັນພື້ນທີ່ຄົ້ນຄ້ວາທີ່ສໍາຄັນ.

ການຄົ້ນຄວ້າ biomarker ໂດຍອີງໃສ່ອົງການຈັດຕັ້ງ

ເນື່ອງຈາກກົນໄກຂອງການປະຕິບັດຂອງ ICI ແມ່ນການຕໍ່ຕ້ານການສະກັດກັ້ນຈຸລັງພູມຕ້ານທານແທນທີ່ຈະເປັນເປົ້າຫມາຍໂດຍກົງໄປສູ່ເສັ້ນທາງພາຍໃນຂອງຈຸລັງ tumor, ການຄົ້ນຄວ້າເພີ່ມເຕີມຄວນສຸມໃສ່ການວິເຄາະລະບົບການເຕີບໃຫຍ່ຂອງ tumor ແລະການພົວພັນລະຫວ່າງຈຸລັງ tumor ແລະຈຸລັງພູມຕ້ານທານ, ເຊິ່ງອາດຈະຊ່ວຍອະທິບາຍປັດໃຈທີ່ມີຜົນກະທົບຕໍ່ການຕອບໂຕ້ ICI. ກຸ່ມຄົ້ນຄ້ວາຈໍານວນຫຼາຍໄດ້ສຶກສາລັກສະນະ tumor ຫຼືພູມຕ້ານທານຂອງເນື້ອເຍື່ອສະເພາະ, ເຊັ່ນ: tumor ແລະລັກສະນະຂອງການກາຍພັນຂອງພູມຕ້ານທານ, ການຂາດດຸນການນໍາສະເຫນີຂອງ tumor antigen, ຫຼືສູນພູມຕ້ານທານ multicellular ຫຼືການລວບລວມ (ເຊັ່ນໂຄງສ້າງ lymphoid ຊັ້ນສູງ), ເຊິ່ງສາມາດຄາດຄະເນການຕອບສະຫນອງຕໍ່ການປິ່ນປົວດ້ວຍພູມຕ້ານທານ.

ນັກຄົ້ນຄວ້າໄດ້ນໍາໃຊ້ NGS ເພື່ອຈັດລໍາດັບ tumor ແລະ exome ພູມຕ້ານທານແລະ transcriptome ຂອງແພຈຸລັງຂອງຄົນເຈັບກ່ອນແລະຫຼັງຈາກການປິ່ນປົວ ICI, ແລະເຮັດການວິເຄາະຮູບພາບທາງພື້ນທີ່. ໂດຍການນໍາໃຊ້ຕົວແບບປະສົມປະສານຫຼາຍ, ປະສົມປະສານກັບເຕັກນິກເຊັ່ນການຈັດລໍາດັບເຊນດຽວແລະການຖ່າຍຮູບທາງກວ້າງຂອງພື້ນທີ່, ຫຼືແບບຈໍາລອງ omics ຫຼາຍ, ຄວາມສາມາດຄາດຄະເນຂອງຜົນໄດ້ຮັບການປິ່ນປົວ ICI ໄດ້ຖືກປັບປຸງ. ນອກຈາກນັ້ນ, ວິທີການທີ່ສົມບູນແບບສໍາລັບການປະເມີນສັນຍານພູມຕ້ານທານ tumor ແລະລັກສະນະຂອງ tumor ພາຍໃນໄດ້ສະແດງໃຫ້ເຫັນຄວາມສາມາດຄາດຄະເນທີ່ເຂັ້ມແຂງ. ຕົວຢ່າງ, ວິທີການຈັດລໍາດັບ batch ທີ່ສົມບູນແບບທີ່ວັດແທກເນື້ອງອກແລະລັກສະນະພູມຕ້ານທານພ້ອມໆກັນແມ່ນດີກວ່າຕົວແປການວິເຄາະດຽວ. ຜົນໄດ້ຮັບເຫຼົ່ານີ້ຊີ້ໃຫ້ເຫັນເຖິງຄວາມຈໍາເປັນຂອງການຈໍາລອງປະສິດທິພາບ ICI ໃນລັກສະນະທີ່ສົມບູນແບບຫຼາຍ, ລວມທັງການລວມເອົາຜົນການປະເມີນຜົນຂອງຄວາມສາມາດຂອງພູມຕ້ານທານຂອງເຈົ້າພາບ, ລັກສະນະຂອງເນື້ອງອກພາຍໃນ, ແລະອົງປະກອບຂອງພູມຕ້ານທານ tumor ເຂົ້າໄປໃນຄົນເຈັບແຕ່ລະຄົນເພື່ອຄາດຄະເນທີ່ດີກວ່າວ່າຄົນເຈັບຈະຕອບສະຫນອງການປິ່ນປົວດ້ວຍພູມຕ້ານທານ.

ເນື່ອງຈາກຄວາມສັບສົນຂອງການລວມເອົາເນື້ອງອກແລະປັດໃຈເຈົ້າພາບໃນການຄົ້ນຄວ້າ biomarker, ເຊັ່ນດຽວກັນກັບຄວາມຕ້ອງການທີ່ມີທ່າແຮງສໍາລັບການລວມຕົວຕາມລວງຍາວຂອງລັກສະນະ microenvironment ຂອງພູມຕ້ານທານ, ປະຊາຊົນໄດ້ເລີ່ມຄົ້ນຫາ biomarkers ໂດຍໃຊ້ແບບຈໍາລອງຄອມພິວເຕີແລະການຮຽນຮູ້ເຄື່ອງຈັກ. ໃນປັດຈຸບັນ, ຜົນສໍາເລັດການຄົ້ນຄວ້າພື້ນຖານບາງຢ່າງໄດ້ປະກົດຂຶ້ນໃນພາກສະຫນາມນີ້, ຊີ້ໃຫ້ເຫັນອະນາຄົດຂອງ oncology ສ່ວນບຸກຄົນຊ່ວຍເຫຼືອໂດຍການຮຽນຮູ້ເຄື່ອງຈັກ.

ສິ່ງທ້າທາຍທີ່ປະເຊີນກັບ biomarkers ອີງໃສ່ເນື້ອເຍື່ອ

ຂໍ້ຈໍາກັດຂອງວິທີການວິເຄາະ. ບາງ biomarkers ທີ່ມີຄວາມຫມາຍປະຕິບັດໄດ້ດີໃນບາງປະເພດ tumor, ແຕ່ບໍ່ຈໍາເປັນໃນປະເພດ tumor ອື່ນໆ. ເຖິງແມ່ນວ່າລັກສະນະສະເພາະຂອງ tumor ມີຄວາມສາມາດຄາດຄະເນທີ່ເຂັ້ມແຂງກວ່າ TMB ແລະອື່ນໆ, ພວກມັນບໍ່ສາມາດຖືກນໍາໃຊ້ສໍາລັບການວິນິດໄສຂອງເນື້ອງອກທັງຫມົດ. ໃນການສຶກສາທີ່ແນໃສ່ຄົນເຈັບ NSCLC, ລັກສະນະການກາຍພັນຂອງ gene ໄດ້ຖືກພົບເຫັນວ່າເປັນການຄາດຄະເນປະສິດທິພາບຂອງ ICI ຫຼາຍກ່ວາ TMB ສູງ (≥ 10), ແຕ່ຫຼາຍກວ່າເຄິ່ງຫນຶ່ງຂອງຄົນເຈັບບໍ່ສາມາດກວດພົບລັກສະນະການປ່ຽນແປງຂອງ gene ໄດ້.

tumor heterogeneity. ວິທີການ biomarker ໂດຍອີງໃສ່ເນື້ອເຍື່ອພຽງແຕ່ເອົາຕົວຢ່າງຢູ່ບ່ອນເນື້ອງອກດຽວ, ຊຶ່ງຫມາຍຄວາມວ່າການປະເມີນຜົນຂອງພາກສ່ວນ tumor ສະເພາະອາດຈະບໍ່ສະທ້ອນເຖິງການສະແດງອອກໂດຍລວມຂອງ tumors ທັງຫມົດໃນຄົນເຈັບ. ສໍາລັບການຍົກຕົວຢ່າງ, ການສຶກສາໄດ້ພົບເຫັນ heterogeneity ໃນການສະແດງອອກ PD-L1 ລະຫວ່າງແລະພາຍໃນ tumors, ແລະບັນຫາທີ່ຄ້າຍຄືກັນມີກັບເຄື່ອງຫມາຍເນື້ອເຍື່ອອື່ນໆ.

ເນື່ອງຈາກຄວາມຊັບຊ້ອນຂອງລະບົບຊີວະພາບ, ເຄື່ອງໝາຍຊີວະພາບຂອງເນື້ອເຍື່ອທີ່ນຳໃຊ້ກ່ອນໜ້ານີ້ຫຼາຍອັນອາດຈະຖືກເຮັດໃຫ້ງ່າຍເກີນໄປ. ນອກຈາກນັ້ນ, ຈຸລັງໃນ tumor microenvironment (TME) ປົກກະຕິແລ້ວແມ່ນມືຖື, ດັ່ງນັ້ນການໂຕ້ຕອບທີ່ສະແດງໃນການວິເຄາະທາງກວ້າງຂອງພື້ນທີ່ອາດຈະບໍ່ເປັນຕົວແທນຂອງປະຕິສໍາພັນທີ່ແທ້ຈິງລະຫວ່າງຈຸລັງ tumor ແລະຈຸລັງພູມຕ້ານທານ. ເຖິງແມ່ນວ່າ biomarkers ສາມາດເປັນຕົວແທນຂອງສະພາບແວດລ້ອມ tumor ທັງຫມົດໃນຈຸດເວລາສະເພາະໃດຫນຶ່ງ, ເປົ້າຫມາຍເຫຼົ່ານີ້ຍັງສາມາດ induced ແລະການປ່ຽນແປງແບບເຄື່ອນໄຫວໃນໄລຍະເວລາ, ສະແດງໃຫ້ເຫັນວ່າການຖ່າຍພາບດຽວໃນເວລາຫນຶ່ງອາດຈະບໍ່ເປັນຕົວແທນຂອງການປ່ຽນແປງແບບເຄື່ອນໄຫວໄດ້ດີ.

ຄວາມແຕກຕ່າງກັນຂອງຄົນເຈັບ. ເຖິງແມ່ນວ່າການປ່ຽນແປງທາງພັນທຸກໍາທີ່ຮູ້ຈັກທີ່ກ່ຽວຂ້ອງກັບການຕໍ່ຕ້ານ ICI ໄດ້ຖືກກວດພົບ, ຄົນເຈັບບາງຄົນທີ່ມີ biomarkers ຄວາມຕ້ານທານທີ່ຮູ້ຈັກອາດຈະຍັງໄດ້ຮັບຜົນປະໂຫຍດ, ອາດຈະເປັນຍ້ອນຄວາມແຕກຕ່າງກັນຂອງໂມເລກຸນແລະ / ຫຼືພູມຕ້ານທານພາຍໃນເນື້ອງອກແລະສະຖານທີ່ tumor ທີ່ແຕກຕ່າງກັນ. ຕົວຢ່າງ, ການຂາດສານ β 2-microglobulin (B2M) ອາດຈະສະແດງເຖິງຄວາມຕ້ານທານຢາໃຫມ່ຫຼືທີ່ໄດ້ມາ, ແຕ່ເນື່ອງຈາກຄວາມແຕກຕ່າງກັນຂອງການຂາດ B2M ລະຫວ່າງບຸກຄົນແລະພາຍໃນເນື້ອງອກ, ເຊັ່ນດຽວກັນກັບປະຕິສໍາພັນຂອງກົນໄກການທົດແທນການຮັບຮູ້ພູມຕ້ານທານໃນຄົນເຈັບເຫຼົ່ານີ້, ການຂາດ B2M ອາດຈະບໍ່ຄາດຄະເນການດື້ຢາຂອງບຸກຄົນ. ດັ່ງນັ້ນ, ເຖິງວ່າຈະມີການຂາດ B2M, ຄົນເຈັບຍັງອາດຈະໄດ້ຮັບຜົນປະໂຫຍດຈາກການປິ່ນປົວດ້ວຍ ICI.

ເຄື່ອງໝາຍຊີວະພາບຕາມລວງຍາວຂອງອົງກອນ
ການສະແດງອອກຂອງ biomarkers ອາດຈະມີການປ່ຽນແປງໃນໄລຍະເວລາແລະມີຜົນກະທົບຂອງການປິ່ນປົວ. ການປະເມີນແບບຄົງທີ່ແລະດຽວຂອງ tumors ແລະ immunobiology ອາດຈະເບິ່ງຂ້າມການປ່ຽນແປງເຫຼົ່ານີ້, ແລະການປ່ຽນແປງຂອງ tumor TME ແລະລະດັບການຕອບສະຫນອງຂອງພູມຕ້ານທານຂອງເຈົ້າພາບອາດຈະຖືກມອງຂ້າມ. ການສຶກສາຫຼາຍໆຄັ້ງໄດ້ສະແດງໃຫ້ເຫັນວ່າການໄດ້ຮັບຕົວຢ່າງກ່ອນແລະໃນລະຫວ່າງການປິ່ນປົວສາມາດກໍານົດການປ່ຽນແປງທີ່ກ່ຽວຂ້ອງກັບການປິ່ນປົວ ICI ໄດ້ຢ່າງຖືກຕ້ອງ. ນີ້ຊີ້ໃຫ້ເຫັນຄວາມສໍາຄັນຂອງການປະເມີນ biomarker ແບບເຄື່ອນໄຫວ.

ເຄື່ອງໝາຍຊີວະພາບທີ່ອີງໃສ່ເລືອດ
ປະໂຫຍດຂອງການວິເຄາະເລືອດແມ່ນຢູ່ໃນຄວາມສາມາດໃນການປະເມີນທາງຊີວະພາບທັງຫມົດ lesion tumor ສ່ວນບຸກຄົນ, ສະທ້ອນໃຫ້ເຫັນເຖິງການອ່ານສະເລ່ຍແທນທີ່ຈະເປັນການອ່ານສະຖານທີ່ສະເພາະ, ເຮັດໃຫ້ມັນເຫມາະສົມໂດຍສະເພາະສໍາລັບການປະເມີນການປ່ຽນແປງແບບເຄື່ອນໄຫວທີ່ກ່ຽວຂ້ອງກັບການປິ່ນປົວ. ຜົນໄດ້ຮັບການຄົ້ນຄວ້າຈໍານວນຫລາຍໄດ້ສະແດງໃຫ້ເຫັນວ່າການໃຊ້ circulating tumor DNA (ctDNA) ຫຼືຈຸລັງ tumor circulating (CTC) ເພື່ອປະເມີນພະຍາດທີ່ເຫຼືອຫນ້ອຍທີ່ສຸດ (MRD) ສາມາດນໍາພາການຕັດສິນໃຈໃນການປິ່ນປົວ, ແຕ່ການທົດສອບເຫຼົ່ານີ້ມີຂໍ້ມູນຈໍາກັດໃນການຄາດເດົາວ່າຄົນເຈັບສາມາດໄດ້ຮັບຜົນປະໂຫຍດຈາກການປິ່ນປົວດ້ວຍພູມຕ້ານທານເຊັ່ນ ICI. ດັ່ງນັ້ນ, ການທົດສອບ ctDNA ຕ້ອງໄດ້ຮັບການປະສົມປະສານກັບວິທີການອື່ນໆເພື່ອວັດແທກການກະຕຸ້ນຂອງພູມຕ້ານທານຫຼືຄວາມສາມາດຂອງພູມຕ້ານທານຂອງເຈົ້າພາບ. ໃນເລື່ອງນີ້, ມີຄວາມຄືບຫນ້າໃນການຜະລິດ immunophenotyping ຂອງຈຸລັງ mononuclear ເລືອດ peripheral (PBMCs) ແລະການວິເຄາະ proteomic ຂອງ vesicles extracellular ແລະ plasma. ຕົວຢ່າງ, ຊະນິດຍ່ອຍຂອງຈຸລັງພູມຕ້ານທານຕໍ່ຂ້າງ (ເຊັ່ນ: ເຊນ CD8+T), ການສະແດງອອກສູງຂອງໂມເລກຸນຈຸດກວດພູມຄຸ້ມກັນ (ເຊັ່ນ: PD1 ຢູ່ໃນຈຸລັງ CD8+T peripheral), ແລະລະດັບສູງຂອງໂປຣຕີນຕ່າງໆໃນ plasma (ເຊັ່ນ: CXCL8, CXCL10, IL-6, IL-10, ໂປຣຕີນທັງໝົດ ແລະ PREGNA ທີ່ມີປະສິດຕິຜົນ). ເຄື່ອງໝາຍຊີວະພາບແບບເຄື່ອນໄຫວ. ປະໂຫຍດຂອງວິທີການໃຫມ່ເຫຼົ່ານີ້ແມ່ນພວກເຂົາສາມາດປະເມີນການປ່ຽນແປງພາຍໃນເນື້ອງອກ (ຄ້າຍຄືກັນກັບການປ່ຽນແປງທີ່ກວດພົບໂດຍ ctDNA) ແລະອາດຈະເປີດເຜີຍການປ່ຽນແປງໃນລະບົບພູມຕ້ານທານຂອງຄົນເຈັບ.

ວິທະຍຸກະຈາຍສຽງ
ປັດໄຈທີ່ຄາດຄະເນຂອງຂໍ້ມູນຮູບພາບສາມາດເອົາຊະນະຂໍ້ຈໍາກັດຂອງການເກັບຕົວຢ່າງ biomarker ເນື້ອເຍື່ອແລະ biopsy, ແລະສາມາດສັງເກດເຫັນເນື້ອງອກທັງຫມົດແລະສະຖານທີ່ metastatic ອື່ນໆທີ່ເປັນໄປໄດ້ໃນທຸກເວລາ. ດັ່ງນັ້ນ, ພວກເຂົາເຈົ້າອາດຈະກາຍເປັນສ່ວນຫນຶ່ງທີ່ສໍາຄັນຂອງ biomarkers ແບບເຄື່ອນໄຫວທີ່ບໍ່ມີການບຸກລຸກໃນອະນາຄົດ. ວິ​ທະ​ຍຸ Delta ສາ​ມາດ​ຄິດ​ໄລ່​ປະ​ລິ​ມານ​ການ​ປ່ຽນ​ແປງ​ໃນ​ລັກ​ສະ​ນະ tumor ຫຼາຍ (ເຊັ່ນ​: ຂະ​ຫນາດ tumor) ໃນ​ຈຸດ​ເວ​ລາ​ທີ່​ແຕກ​ຕ່າງ​ກັນ​, ເຊັ່ນ​: ກ່ອນ​ແລະ​ຫຼັງ​ການ​ປິ່ນ​ປົວ ICI​, ໃນ​ລະ​ຫວ່າງ​ການ​ປິ່ນ​ປົວ​, ແລະ​ການ​ຕິດ​ຕາມ​ຕໍ່​ມາ​. Radiomics Delta ບໍ່ພຽງແຕ່ສາມາດຄາດຄະເນການຕອບສະຫນອງເບື້ອງຕົ້ນຫຼືບໍ່ມີການຕອບສະຫນອງຕໍ່ການປິ່ນປົວເບື້ອງຕົ້ນ, ແຕ່ຍັງກໍານົດຄວາມຕ້ານທານກັບ ICI ທີ່ໄດ້ຮັບໃນເວລາທີ່ແທ້ຈິງແລະຕິດຕາມການເກີດໃຫມ່ຫຼັງຈາກການໃຫ້ການປິ່ນປົວຢ່າງສົມບູນ. ຮູບແບບການຖ່າຍຮູບທີ່ພັດທະນາຜ່ານເທັກໂນໂລຍີການຮຽນຮູ້ເຄື່ອງຈັກແມ່ນດີກ່ວາມາດຕະຖານ RECIST ແບບດັ້ງເດີມໃນການຄາດຄະເນການຕອບໂຕ້ການປິ່ນປົວແລະເຫດການທາງລົບທີ່ເປັນໄປໄດ້. ການຄົ້ນຄວ້າໃນປະຈຸບັນຊີ້ໃຫ້ເຫັນວ່າຮູບແບບ radiomics ເຫຼົ່ານີ້ມີພື້ນທີ່ພາຍໃຕ້ເສັ້ນໂຄ້ງ (AUC) ສູງເຖິງ 0.8 ຫາ 0.92 ໃນການຄາດຄະເນການຕອບສະຫນອງຂອງພູມຕ້ານທານ.

ປະໂຫຍດອີກອັນຫນຶ່ງຂອງ radiomics ແມ່ນຄວາມສາມາດຂອງຕົນໃນການກໍານົດຄວາມຄືບຫນ້າ pseudo ໄດ້ຢ່າງຖືກຕ້ອງ. ຮູບແບບວິທະຍຸທີ່ສ້າງຂຶ້ນໂດຍຜ່ານການຮຽນຮູ້ຂອງເຄື່ອງຈັກສາມາດຈໍາແນກໄດ້ຢ່າງມີປະສິດທິພາບລະຫວ່າງຄວາມຄືບໜ້າຂອງຄວາມຈິງ ແລະບໍ່ຖືກຕ້ອງໂດຍການວັດແທກຂໍ້ມູນ CT ຫຼື PET ຄືນໃໝ່ສຳລັບແຕ່ລະເນື້ອງອກ, ລວມທັງປັດໃຈຕ່າງໆເຊັ່ນ: ຮູບຮ່າງ, ຄວາມເຂັ້ມຂຸ້ນ ແລະໂຄງສ້າງ, ດ້ວຍ AUC ຂອງ 0.79. ແບບຈໍາລອງ radiomics ເຫຼົ່ານີ້ອາດຈະຖືກນໍາໃຊ້ໃນອະນາຄົດເພື່ອຫຼີກເວັ້ນການຢຸດເຊົາການປິ່ນປົວກ່ອນໄວອັນຄວນເນື່ອງຈາກການຕັດສິນຜິດພາດຂອງຄວາມຄືບຫນ້າຂອງພະຍາດ.

microbiota ລໍາໄສ້
biomarkers ຂອງ microbiota ລໍາໄສ້ຄາດວ່າຈະຄາດຄະເນການຕອບສະຫນອງການປິ່ນປົວຂອງ ICI. ການສຶກສາຈໍານວນຫລາຍໄດ້ສະແດງໃຫ້ເຫັນວ່າ microbiota ລໍາໄສ້ສະເພາະແມ່ນກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບການຕອບສະຫນອງຂອງມະເຮັງປະເພດຕ່າງໆຕໍ່ການປິ່ນປົວ ICI. ຕົວຢ່າງ, ໃນຄົນເຈັບທີ່ມີ melanoma ແລະມະເຮັງຕັບ, ຄວາມອຸດົມສົມບູນຂອງເຊື້ອແບັກທີເຣັຍ Ruminococcaceae ແມ່ນກ່ຽວຂ້ອງກັບການຕອບສະຫນອງ immunotherapy PD-1. Akkermansia muciniphila enrichment ແມ່ນພົບເລື້ອຍໃນຄົນເຈັບທີ່ເປັນມະເຮັງຕັບ, ມະເຮັງປອດ, ຫຼື carcinoma cell renal, ຜູ້ທີ່ຕອບສະຫນອງດີຕໍ່ການປິ່ນປົວ ICI.

ນອກຈາກນັ້ນ, ຮູບແບບການຮຽນຮູ້ເຄື່ອງຈັກໃຫມ່ສາມາດເປັນເອກະລາດຂອງປະເພດເນື້ອງອກແລະສົມທົບການສະເພາະຂອງເຊື້ອແບັກທີເຣັຍລໍາໄສ້ດ້ວຍການຕອບສະຫນອງການປິ່ນປົວຂອງ immunotherapy. ການສຶກສາອື່ນໆຍັງໄດ້ເປີດເຜີຍບົດບາດສະເພາະທີ່ກຸ່ມແບັກທີເລຍແຕ່ລະຄົນມີບົດບາດໃນການຄວບຄຸມລະບົບພູມຕ້ານທານຂອງເຈົ້າພາບ, ຄົ້ນຫາຕື່ມອີກກ່ຽວກັບວິທີການປ້ອງກັນຫຼືສົ່ງເສີມການຫລົບຫນີພູມຕ້ານທານຂອງເຊນມະເຮັງ.

ການປິ່ນປົວດ້ວຍ neoadjuvant
ການປະເມີນແບບເຄື່ອນໄຫວຂອງຊີວະວິທະຍາ tumor ສາມາດນໍາພາຍຸດທະສາດການປິ່ນປົວທາງດ້ານຄລີນິກຕໍ່ໄປ. ການທົດລອງການປິ່ນປົວດ້ວຍ neoadjuvant ສາມາດປະເມີນຜົນກະທົບຂອງການປິ່ນປົວໂດຍຜ່ານທາງ pathological remission ໃນຕົວຢ່າງການຜ່າຕັດ. ໃນການປິ່ນປົວຂອງ melanoma, ການຕອບສະຫນອງທາງ pathological ຕົ້ນຕໍ (MPR) ແມ່ນກ່ຽວຂ້ອງກັບອັດຕາການລອດຕາຍຟຣີ recurrence. ໃນການທົດລອງ PRADO, ນັກຄົ້ນຄວ້າກໍານົດມາດຕະການແຊກແຊງທາງດ້ານຄລີນິກຕໍ່ໄປ, ເຊັ່ນ: ການຜ່າຕັດແລະ / ຫຼືການປິ່ນປົວດ້ວຍ adjuvant, ອີງຕາມຂໍ້ມູນສະເພາະຂອງຄົນເຈັບ.

ໃນບັນດາປະເພດຕ່າງໆຂອງມະເຮັງ, ຫຼາຍໆທາງເລືອກການປິ່ນປົວແບບເສີມໃຫມ່ຍັງຂາດການປຽບທຽບຫົວຕໍ່ຫົວ. ດັ່ງນັ້ນ, ການເລືອກລະຫວ່າງການປິ່ນປົວດ້ວຍການປິ່ນປົວດ້ວຍ monotherapy ຫຼືການປິ່ນປົວດ້ວຍການປະສົມປະສານແມ່ນມັກຈະຕັດສິນໃຈຮ່ວມກັນໂດຍແພດຫມໍແລະຄົນເຈັບທີ່ເຂົ້າຮ່ວມ. ໃນປັດຈຸບັນ, ນັກຄົ້ນຄວ້າໄດ້ພັດທະນາຄຸນສົມບັດ interferon gamma (IFN gamma) ທີ່ມີ 10 genes ເປັນ biomarker ສໍາລັບການຄາດຄະເນການປົດປ່ອຍ pathological ໃນ melanoma ຫຼັງຈາກການປິ່ນປົວດ້ວຍ neoadjuvant. ພວກເຂົາເຈົ້າໄດ້ປະສົມປະສານເພີ່ມເຕີມລັກສະນະເຫຼົ່ານີ້ເຂົ້າໄປໃນສູດການຄິດໄລ່ເພື່ອຄັດເລືອກຄົນເຈັບທີ່ມີການຕອບສະຫນອງທີ່ເຂັ້ມແຂງຫຼືອ່ອນແອຕໍ່ການປິ່ນປົວດ້ວຍ neoadjuvant. ໃນການສຶກສາຕິດຕາມທີ່ເອີ້ນວ່າ DONIMI, ນັກຄົ້ນຄວ້າໄດ້ນໍາໃຊ້ຄະແນນນີ້, ສົມທົບກັບການວິເຄາະທີ່ສັບສົນຫຼາຍ, ບໍ່ພຽງແຕ່ຄາດຄະເນການຕອບສະຫນອງການປິ່ນປົວ, ແຕ່ຍັງເພື່ອກໍານົດວ່າຄົນເຈັບ melanoma ຂັ້ນຕອນ III ຕ້ອງການການເພີ່ມ histone deacetylase inhibitors (HDACi) ເພື່ອເພີ່ມການຕອບສະຫນອງຕໍ່ການປິ່ນປົວ neoadjuvant ICI.

ຮູບແບບ tumor ໄດ້ມາຈາກຄົນເຈັບ
ຮູບແບບ tumor ໃນ vitro ມີທ່າແຮງທີ່ຈະຄາດຄະເນການຕອບສະຫນອງສະເພາະຂອງຄົນເຈັບ. ບໍ່ເຫມືອນກັບແພລະຕະຟອມ in vitro ທີ່ໃຊ້ສໍາລັບການວິເຄາະ spectrum ການຕອບສະຫນອງຂອງຢາຂອງ malignancies hematologic, tumors ແຂງປະເຊີນກັບສິ່ງທ້າທາຍຫຼາຍກວ່າເກົ່າເນື່ອງຈາກໂຄງສ້າງຈຸລິນຊີຂອງເນື້ອງອກທີ່ເປັນເອກະລັກແລະການໂຕ້ຕອບຂອງພູມຕ້ານທານ tumor. ວັດທະນະທໍາຈຸລັງ tumor ງ່າຍດາຍບໍ່ສາມາດ replicate ລັກສະນະສະລັບສັບຊ້ອນເຫຼົ່ານີ້ໄດ້ຢ່າງງ່າຍດາຍ. ໃນກໍລະນີນີ້, tumor ຄ້າຍຄືອະໄວຍະວະຫຼື chip ອະໄວຍະວະທີ່ມາຈາກຄົນເຈັບສາມາດຊົດເຊີຍຂໍ້ຈໍາກັດຂອງໂຄງສ້າງເຫຼົ່ານີ້, ຍ້ອນວ່າພວກເຂົາສາມາດຮັກສາໂຄງສ້າງຂອງຈຸລັງ tumor ຕົ້ນສະບັບແລະຈໍາລອງປະຕິສໍາພັນກັບຈຸລັງພູມຕ້ານທານ lymphoid ແລະ myeloid ເພື່ອປະເມີນການຕອບສະຫນອງຂອງ ICI ໃນລັກສະນະສະເພາະຂອງຄົນເຈັບ, ດັ່ງນັ້ນການແຜ່ພັນທາງຊີວະພາບຢ່າງຖືກຕ້ອງກວ່າໃນສະພາບແວດລ້ອມສາມມິຕິທີ່ແທ້ຈິງກວ່າ.

ການ​ສຶກສາ​ທີ່​ແຕກ​ຕ່າງ​ກັນ​ຫຼາຍ​ຢ່າງ​ໃນ​ຈີນ​ແລະ​ສະຫະລັດ​ໄດ້​ນຳ​ເອົາ​ຮູບ​ແບບ​ເນື້ອ​ງອກ​ສາມ​ມິ​ຕິ​ທີ່​ມີ​ຄວາມ​ສັດຊື່​ສູງ​ໃໝ່​ນີ້. ຜົນໄດ້ຮັບສະແດງໃຫ້ເຫັນວ່າຕົວແບບເຫຼົ່ານີ້ສາມາດຄາດຄະເນການຕອບສະຫນອງຂອງມະເຮັງປອດ, ມະເຮັງລໍາໄສ້, ມະເຮັງເຕົ້ານົມ, melanoma ແລະເນື້ອງອກອື່ນໆຕໍ່ ICI. ນີ້ວາງພື້ນຖານສໍາລັບການກວດສອບເພີ່ມເຕີມແລະມາດຕະຖານການປະຕິບັດການຄາດເດົາຂອງຕົວແບບເຫຼົ່ານີ້.