《Frontiers in Immunology》：An interpretable machine learning model for predicting response to anti-GD2 combined with umbilical cord blood-derived natural killer cell immunotherapy in neuroblastoma
编辑推荐：
摘要专业翻译
背景： 神经母细胞瘤（neuroblastoma）对高危或复发/难治性疾病患儿而言仍是重大治疗挑战。抗GD2（anti-GD2）治疗联合脐带血来源自然杀伤细胞（umbilical cord blood-derived natural killer
摘要专业翻译
背景： 神经母细胞瘤（neuroblastoma）对高危或复发/难治性疾病患儿而言仍是重大治疗挑战。抗GD2（anti-GD2）治疗联合脐带血来源自然杀伤细胞（umbilical cord blood-derived natural killer, UCB-NK）细胞治疗是一种新兴策略，但治疗反应差异显著。影像学及骨髓评估需要专业资源，因此有必要开发基于常规可获得数据的补充工具。然而，系列常规外周血检测能否在该治疗背景下支持反应预测仍不明确。
方法： 研究人员利用42例患者的系列外周血检测数据，提取反映生物标志物纵向趋势及协调变化的动态耦合特征（dynamic coupling features），并将这些特征与静态变量整合，开发用于反应预测的机器学习模型。研究在相同的重复分层交叉验证框架下比较了7种机器学习模型。模型选择综合考虑了判别能力、概率估计质量及可解释性。采用SHapley Additive exPlanations（SHAP）对最终模型进行解释。
结果： 综合交叉验证性能、概率估计质量及临床可解释性，L2正则化逻辑回归（L2-regularized logistic regression）被选为最终的反应预测模型。该模型利用动态外周血特征预测抗GD2联合UCB-NK细胞免疫治疗反应，交叉验证AUC为0.873（95% bootstrap CI，0.735–0.976），Brier评分为0.131（95% bootstrap CI，0.087–0.182）。SHAP分析刻画了各特征对模型预测贡献的方向与幅度。
结论： 本研究利用临床实践中获得的系列常规外周血检测数据，开发了一个可解释的反应预测模型。该模型可能作为常规可获得数据下治疗反应评估的补充工具。然而，在临床使用前仍需在更大规模的独立队列中进行验证。
论文解读文章
一、研究背景与研究目的
神经母细胞瘤是一种起源于胚胎神经嵴细胞的高度恶性肿瘤，是婴幼儿和儿童中最常见的颅外实体瘤之一，约占儿童恶性肿瘤的8%–10%，却导致约15%的儿童癌症相关死亡。该病具有显著的临床和生物学异质性，复发风险高、预后差。根据国际神经母细胞瘤风险组（International Neuroblastoma Risk Group, INRG）分层系统，高危患者即使接受包括手术、多药化疗、放疗和自体造血干细胞移植在内的强化多模式治疗，长期总生存率仍低于50%。复发或难治性患者的预后更差，约20%的高危患者在接受标准诱导治疗后仍有难治性疾病，近50%的患者在获得初次缓解后复发。因此，改善治疗反应分层对高危或复发/难治性神经母细胞瘤患者仍是重要的临床需求。
细胞免疫治疗因其清除肿瘤细胞和应对治疗耐药的潜力，正被研究用于高危或复发/难治性神经母细胞瘤。其中，自然杀伤细胞（natural killer, NK）是领先的效应细胞平台，无需预先抗原致敏即可杀伤肿瘤细胞，并可通过抗体依赖性细胞介导的细胞毒作用（antibody-dependent cellular cytotoxicity, ADCC）增强抗体介导的抗肿瘤活性。抗GD2治疗部分依赖NK细胞介导的ADCC，但该机制可能受到治疗相关NK细胞耗竭和效应细胞功能受损的限制。既往研究探索了半相合或自体NK细胞联合抗GD2抗体的免疫治疗策略，但半相合NK细胞可能受人类白细胞抗原（human leukocyte antigen, HLA）相关排斥及扩增或持久性不足的限制，而自体NK细胞可能因既往治疗而功能受损。脐带血来源自然杀伤细胞（umbilical cord blood-derived natural killer, UCB-NK）细胞作为异基因且潜在“现货型”的效应细胞来源具有独特优势，相对易获取、体外扩增能力强、安全性良好，且可能较患者外周血来源的NK细胞具有功能优势。与抗GD2治疗联合时，UCB-NK细胞旨在增强NK细胞介导的ADCC，该策略在神经母细胞瘤中已显示出增强的抗肿瘤活性。
随着抗GD2联合UCB-NK细胞治疗进入早期临床转化阶段，治疗期间异质性反应使个体化监测变得复杂。当前神经母细胞瘤风险分层和疾病评估采用互补方法，包括MYCN状态、MIBG显像、骨髓评估和基因组分析等。这些方法能提供肿瘤生物学或疾病负荷信息，但部分评估需要专业平台和机构资源，限制了跨中心可及性。相比之下，外周血检测成本低廉且广泛可及。然而，单个生物标志物水平的汇总并不能明确捕捉生物标志物随时间变化的协调关系。在神经母细胞瘤及相关免疫治疗背景下，跨多个时间点的动态生物标志物监测可能比单一基线测量更全面地反映疾病状态和治疗反应。因此，评估系列外周血数据作为治疗反应预测的可及补充信息来源具有充分的理论依据。但协调变化的外周血生物标志物能否为该治疗背景下的反应预测提供信息仍不明确。为回答这一问题，研究人员开发了一个可解释的患者水平模型，整合静态生物标志物汇总与从系列输注前血液检测中提取的动态耦合特征，并比较了各模型的预测性能。
二、研究设计与关键技术方法
本研究为基于中山大学肿瘤防治中心单中心I期临床试验的回顾性队列分析（ClinicalTrials.gov注册号NCT06631391）。研究纳入2024年12月至2025年12月期间61例高危或复发/难治性神经母细胞瘤患儿，最终42例符合纳入标准进入分析。主要终点为二元治疗反应（反应或非反应），按实体瘤反应评价标准1.1版（RECIST v1.1）评估。研究人员在每次UCB-NK细胞输注前采集外周血，涵盖24项血常规参数和37项生化参数。关键方法包括：以基线值、均值和Theil-Sen斜率对重复数值变量进行患者水平汇总；通过患者内部分析构建动态耦合特征（Theil-Sen回归斜率和一致性比率）；采用置换重要性分析筛选候选特征；在相同重复分层3折交叉验证（50次重复）框架下比较7种机器学习模型；使用SHAP进行模型解释；采用Kaplan-Meier法进行生存分析。
三、研究结果
3.1 基线特征
42例患者中，诊断时中位年龄4岁（范围1–11岁），81%的患者年龄≤5岁，男性占64%。93%的患者为INRG M期，95%为高危。31例接受化疗联合抗GD2和UCB-NK细胞免疫治疗，11例接受抗GD2联合UCB-NK细胞免疫治疗。疗效终点方面，29例（69.0%）为治疗反应者，13例（31.0%）为非反应者。
3.2 预测变量选择
Spearman秩相关分析显示静态特征与治疗反应之间无显著关联，FDR校正后所有q值均>0.05。动态关联分析中，血小板压积（plateletcrit, PCT）与嗜碱性粒细胞百分比（basophil percentage, BA%）显示出稳健的患者内关联，且不归因于共同的衍生关系，因此构建了两个动态特征：BA%相对于PCT的Theil-Sen斜率和PCT与BA%同向变化的一致性比率。此外，治疗期间平均血红蛋白（HGB_mean）、基线红细胞分布宽度-标准差（RDW-SD_baseline）被纳入候选特征。置换重要性分析进一步识别出平均血清淀粉样蛋白A（SAA_mean）、胆碱酯酶斜率（CHE_slope）和平均钠离子（Na+_mean）为信息量最高的候选变量。
3.3 模型开发与比较
特征集从核心候选变量逐步扩展，Na+mean和SAA_mean的加入均带来显著的性能提升，而CHE_slope未实质性改善AUC。最终模型M8包含6个特征：BA%–PCT斜率、HGB_mean、RDW-SD_baseline、BA%–PCT一致性比率、Na+mean和SAA_mean。模型比较中，线性支持向量机（Linear SVM）判别性能最高（AUC=0.875，AP=0.934），L2正则化逻辑回归判别性能相当（AUC=0.873，AP=0.932），且Brier评分（0.131）和对数损失（0.414）最低，校准曲线与理想校准线高度吻合。综合判别能力、概率估计质量和可解释性，L2正则化逻辑回归被选为最终模型。
3.4 探索性亚组性能分析
总体队列Youden阈值为0.740，该阈值下模型灵敏度为0.724，特异度为0.923。化疗联合抗GD2和UCB-NK亚组中模型AUC分布稳定（0.891±0.037），而抗GD2联合UCB-NK亚组AUC变异性较大（0.709±0.115）。高危队列中，模型预测反应组的无事件生存（event-free survival, EFS）显著优于预测非反应组（p=0.006），但总生存（overall survival, OS）差异未达统计学显著（p=0.32）。复发/难治队列中，无进展生存（progression-free survival, PFS）和OS均呈现分层趋势但未达显著。
3.5 模型解释
SHAP分析显示，HGB_mean、RDW-SD_baseline、BA%–PCT一致性比率和SAA_mean的较高值对预测反应有正向贡献，而Na+_mean和BA%–PCT斜率的较高值有负向贡献。HGB_mean是最具影响力的预测特征。系数方向与SHAP分析结果一致。
四、讨论与结论
研究人员开发了整合静态生物标志物汇总与动态耦合特征的可解释模型，用于预测抗GD2联合UCB-NK细胞治疗反应，交叉验证AUC为0.873，Brier评分为0.131。研究讨论指出，外周血参数可能同时反映潜在疾病生物学和免疫治疗相关生理变化。HGB的预测关联可能与骨髓浸润影响正常造血有关；RDW-SD可能反映全身炎症和骨髓功能障碍；PCT与BA%的动态耦合特征可能反映共同的疾病或治疗相关过程；SAA和Na+的贡献应解释为队列内的预测关联而非特定机制证据。
研究局限性包括：回顾性设计可能引入选择偏倚和残留混杂；单中心入组限制模型可迁移性；样本量小（n=42）导致性能估计不精确和过拟合风险增加；特征筛选部分基于全队列信息可能产生乐观的性能估计；治疗方案异质性限制治疗特异性解释。研究结论认为，该模型利用临床实践中获得的系列常规外周血检测数据开发，可能作为常规可获得数据下治疗反应评估的补充工具，但在临床使用前仍需在更大规模的独立多中心队列中进行前瞻性验证。
