新技术助力白血病复发风险预测
B细胞前体急性淋巴细胞白血病(B cell precursor acute lymphoblastic leukemia,BCP-ALL)是一种临床常见的儿童恶性肿瘤。虽然其对于一线药物治疗反应非常显著,但是BCP-ALL的再次复发仍然会带来大量的死亡。因此药物治疗后复发的预测具有非常重要的临床意义。《自然·医学》报道了斯坦福大学Zinaida Good博士利用质谱流式细胞技术(mass cytometry)建立的白血病复发预测模型。
利用质谱流式细胞术,研究者对60个样本中的35种B细胞发育相关蛋白的表达进行了量化,最终2个B细胞发育阶段(pro-B2和pre-B1阶段)与白血病的复发相关。随后,研究者利用44名病人的检测数据进行机器学习,建立了一个命名为DDPR(developmentally dependent predictor of relapse)的白血病预测模型,并用另外10名患者的检测数据进行验证。结果发现,利用DDPR进行预测的准确率可达到85%,而使用当前风险分层方法准确率为66%。研究者还将DDRP和当前风险分层方法结合,并进行白血病的复发预测,显示出更好的预测能力。这有助于实现白血病药物治疗后的细化监控。传统的流式细胞技术,由于荧光抗体的弊端,检测的指标有限,而质谱流式细胞术可对单细胞进行多参数检测,实现B细胞蛋白表达的高通量检测,进而对B细胞进行深度的、精确的分类。质谱流式细胞术的应用将会给白血病患者B细胞的分类工作带来更精细的视角。
在该研究中,研究者利用高通量检测技术对患者个体进行数据收集,最后通过机器学习的方式实现数据的分析、学习和应用;这种新型的医学研究思维具有客观性、特异性以及节约时间等优点,使医学研究能够摆脱对于传统实验室工作的依赖。随着人工智能的不断发展,我们将看到大量的基于患者大数据的数学模型,并将助力于临床疾病的诊断、药物靶点的筛选等。
Nature Medicine