导读

本文介绍了PD-1/PD-L1评估的现状，对如何提高预测ICIs反应的生物标志物的准确性进行了系统的综述。

ICI药物价格昂贵且存在严重副作用的风险，而只有10%-40%的患者从治疗中获益。因此，迫切需要廉价且可靠的患者分层和体内疗效监测。目前可用的方法之一是基于抗PD-L1抗体的免疫组化（IHC）染色，还确定了一些预测PD-1/PD-L1治疗反应的因素，如PD-1/PD-L1表达、肠道微生物组、抗原识别、错配修复（MMR）、微卫星不稳定性（MSI）、肿瘤浸润性免疫细胞和肿瘤突变负担（TMB）。但是迄今为止，到底哪些患者可能从ICI治疗中获益这个问题还是没有得到一个最佳的答案。

本综述认为解决这一问题，需要更准确地评估PD-L1状态，提高PD-L1的预测效能，包括：进行多次活检、开发检测PD-L1的替代方法、对PD-L1表达动力学的评估、评估PD-1/PD-L1接近度、利用自动数字病理学算法等。该文还进一步综述了预测性生物标志物的研究进展，如：PD-L1去糖基化和低甲基化、肿瘤基因组和新抗原生物标志物、液体活检生物标志物、循环肿瘤DNA生物标志物、按ICI类型划分的预测性生物标志物、多种生物标志物的组合等等。在此基础上，作者还简述了 机器深度学习和人工智能在开发多元预测模型中的应用，指出数字病理学和机器学习的发展将为生物标志物分析领域带来新的气象（iomol Biomed. 2024 Jan 3;24(1):14-29. doi: 10.17305/bb.2023.9265）。