ResponseVerdict 推翻既有免疫治疗应答签名、识别遗漏应答者并优于全部已发表预测器

免疫检查点阻断虽能带来持久缓解，却只惠及一部分患者，疗效预测由此成为肿瘤免疫领域的核心难题：PD-L1 已用于患者选择，TMB 仍需细化解读与情境化 ^[1]；TIDE 以 T 细胞功能障碍与免疫排斥两种逃逸机制建模，在黑色素瘤一线抗 PD-1/CTLA-4 队列中预测优于 PD-L1 和突变负荷 ^[2]，据报道其性能验证集中于多个黑色素瘤数据集和一个规模有限的非小细胞肺癌数据集^[6]；此后 IMPRES 报告 AUC 0.83 ^[3]，基于 MSK-IMPACT 1,479 例的机器学习模型也在回顾分析中超越基于 TMB 的预测 ^[4]。但这类工具大多互为标尺做计算验证，新论文要问的正是：被如此“验证”过的签名，离实测疗效究竟有多远。

作者在 2,045 例经治患者中系统检验了来自 1,235 篇论文的 1,566 个响应签名，发现其预测 AUC 仅 0.515，反而落后于早数年发表的五个免疫评分，而中位 44% 的随机基因组也能通过同类验证。问题被溯源到三处：按生存拟合的风险评分被改名为疗效预测因子；TIDE 把 PD-1 抗体真正靶向的耗竭 T 细胞读作“免疫失败”，使 1,524 个签名中的 994 个方向倒置，把免疫浸润、实际更常响应的肿瘤判为不响应——尽管单细胞研究早已显示携带耗竭标志的 CD8 T 细胞会在抗 PD-1 治疗下克隆扩增 ^[5]；实验与临床层面，392 项针对免疫或基质细胞信号的研究有 376 项是在其他细胞中完成的，一项随机试验还以低 TMEscore 规则设定入组资格。

ResponseVerdict 的做法是改以其他经治队列的实测疗效来校正方向并遴选评分，且对每个靶队列只使用其之前公开的数据。结果显示，其 AUROC 较 TIDE 提高 0.14；在 2,000 次配对比较中，1,178 次显著优于已发表的预测因子、免疫评分与学习程序，且无一次更差；在 2,179 例患者中，每 100 个入组名额较原签名多纳入 16.2 个应答者，仅用更早公开数据时较 GEP18 多 9.5 个，在对结局盲法的未触及队列中较 TIDE 多 10.2 个；仅凭早期试验数据在全部 14 项公开免疫治疗随机试验间分配治疗时，它超过所有在同批试验上评估过的程序，每 100 例较随机分配多出 67.3 个无进展生存月。

就领域推进而言，这项工作说明以计算工具互为标尺的验证会系统性地固化方向性错误，实测疗效应回到定向与遴选的中心，被漏掉的应答者也能由此找回。但也应看到，它目前只是 bioRxiv 预印本，证据全部来自回顾性数据，低 TMEscore 规则涉及的具体试验亦未在文中说明；ResponseVerdict 能否在前瞻性场景中兑现这些收益，仍是悬而未决的问题。