Medidata Acorn AI在2022年ASCO大会上发表关于识别CAR-T疗法中严重细胞因子释放综合症的预测因素的重要研究

嵌合抗原受体（CAR）T细胞疗法被认为是最有前景的肿瘤治疗方式之一，适用于多种血液肿瘤，尤其是那些已经用尽其他治疗方法的患者。CAR-T的工作原理是人工改造肿瘤患者的T细胞，在体外大量培养后生成肿瘤特异性CAR-T细胞，再将其回输入患者体内用以攻击癌细胞。这是目前T细胞免疫疗法癌症治疗领域的“新宠”。

尽管CAR-T已成为一些癌症患者的新希望，但它也可能伴随着严重的副作用。细胞因子释放综合征（CRS）是最常见的、威胁生命的不良事件。CRS由对CAR-T疗法的过度免疫反应引起，一般被称为 "细胞因子风暴"。 ¹ 自2016年以来，CRS已导致超过15次CAR-T试验失败。

现在，CAR-T研究人员能够利用大数据建模技术，尝试找到用于预测患者发生严重CRS几率的生物标志物。

Medidata Acorn AI正与克利夫兰诊所的Michael Kattan博士一起探索该方法。在 2022年美国临床肿瘤学会（ASCO）年会期间, Acorn AI展示了这项首创研究的成果。Acorn AI使用来自Medidata数据库中汇集的临床试验数据提供解决方案，该临床试验库由27000多项历史临床试验组成。

在过去，严重CRS的生理学标记难以测量，在实际操作中，监测、缓解和管理更是困难重重。以前对严重CRS的临床风险因素的调查依赖于小群体的患者，通常来自于单个的CAR-T研究。一般来说，平均一项CAR T研究只有11名患者。²

在这项最新研究中，Acorn AI汇编和分析了现有的最大的抗CD19 CAR-T治疗的临床试验数据集，涵盖了多个CAR-T治疗临床试验的540多名患者。由Caleb Strait博士、Jacob Aptekar博士、Michael Kattan博士和Vibhu Agarwal博士组成的研究团队，使用大数据建模技术来量化患者的实验室测量和严重CRS发展之间的关系。他们分析了一些常见的标记物在CAR-T治疗后关键随访节点里发生的单点变化或者规律性变化，这些标记物包含了血小板计数、血清白蛋白浓度、肌酐和中性粒细胞计数等。

这些突破性的结果表明，定期监测常见实验室标志物的新型风险评估和缓解策略（REMS），对严重的CRS可实现精确的风险分层和预先干预。

"肿瘤学的大趋势是走向精准医疗和研究。Medidata的这项研究是CAR-T疗法的一个关键部分，使研究人员和医疗机构能够更好地了解治疗方法对特定患者的安全性和疗效。" 克利夫兰诊所Michael Kattan博士，癌症研究创新中心主席Keyhan医生和定量健康科学系主任Jafar Mobasseri医生表示：“通过定位CRS的警告信号，我们可以设计更安全的试验，避免和更深入地了解试验失败，并在更多的治疗设计中为更多的患者提供更好和更安全的创新治疗。”

人工智能攻克CAR-T试验安全性挑战
Medidata Acorn AI提供了一个性能强大且不断扩充的数据库，结合了CAR-T和T细胞受体(TCR)疗法的历史实际临床试验数据。与真实世界数据或医学文献相比，Acorn AI所提供的数据由传统临床试验终点和超过110个完整的协变量组成。这些数据包含在临床方案设计中，均已在试验中完成了采集、监查和验证的过程。Medidata Acorn AI可通过提供丰富的患者水平数据（包括患者病程和CRS事件的关键特征）实现数据驱动的CAR-T试验决策。

点击链接，下载产品资料了解 Medidata Acorn AI 如何应用CAR-T试验数据为全球前十的生物制药企业预测安全性事件。

¹https://my.clevelandclinic.org/health/diseases/22700-cytokine-release-syndrome

²https://www.sciencedirect.com/science/article/pii/S1525001617305567