Zephyr AI推出新复合生物标志物，预测晚期癌症患者对PARP抑制剂的敏感性

6月4日，在临床肿瘤学会（ASCO）年会上，蓬勃发展的医疗技术公司Zephyr AI展示了一个突破性的海报，题为“使用真实世界数据评估预测对PARP抑制剂敏感性的新标志物”。

他们的演讲展示了人工智能可以从复杂多样的数据集中提供变革性的见解，特别是在预测患者对一类被称为PARP抑制剂的药物的反应方面。

PARP抑制剂目前被批准用于治疗具有同源重组修复缺陷（HRD+）或乳腺癌基因BRCA1或BRCA2突变的癌症。这些生物标志物在乳腺癌、卵巢癌、前列腺癌和胰腺癌中普遍存在，表明对PARP抑制剂的潜在敏感性。

然而，这一药物类别的最新数据显示，在具有这些生物标志物的晚期卵巢癌患者中，效益风险比不足。因此，这些药物的标签已被撤回，为具有适当生物标志物的晚期卵巢癌患者留下了关键的治疗选择缺口。

Zephyr AI团队设计了一个开创性的下一代生物标志物，能够识别其肿瘤对PARP抑制剂奥拉帕尼（olaparib）表现出潜在敏感性的晚期患者，与HRD+和BRCA突变不同。

这种新的复合生物标志物是使用Zephyr定制的机器学习（ML）基础模型开发的，该模型经过数年的改进。这种生物标志物的验证是使用接受奥拉帕尼治疗的卵巢癌患者的现实世界数据进行的，通常作为后线治疗。

“Zephyr的ML技术有潜力彻底改变新兴肿瘤药物的患者选择策略，这是一个许多药物历史上都曾失败的领域，或者我们的理解进展缓慢且基于经验。”

Zephyr使用临床基因组学和患者结果数据验证了这一患者队列中的药物反应预测。

分析显示，在基于Zephyr模型预测为敏感的患者中，实际世界无进展生存期从24个月显著提高到超过60个月（风险比为2.04，p值低于0.001），总体生存期从23个月提高到超过60个月（风险比为3.37，p值低于0.005）。相比之下，同一队列中的传统HRD+生物标志物分析并未显示出这些临床相关终点的统计学显著改善。

“我们很高兴展示我们的ML基础模型的应用之一，这是Zephyr团队精心打造的。通过利用神经网络中的庞大而复杂的多模态数据集，形成我们基础模型的基础，我们旨在开创一种新的复合生物标志物方法。

随着我们扩大这些模型的训练数据范围，该模型将揭示各种作用机制中的新见解。”

Zephyr团队相信，通过探索超越HRD+和“BRCAness”，他们可以发现PARP抑制剂敏感性的新颖和潜在驱动因素，特别是随着许多下一代PARP抑制剂进入临床开发。

他们渴望与药物开发团队合作，扩大这一关键药物类别的范围并提高成功率。