免疫疗法利用人体自身的免疫系统来识别并清除肿瘤细胞。随着获批药物数量的显著增加，免疫肿瘤学领域正在迅速发展。该领域持续受到关注，预示着巨大的未来机遇。近期，来自 亨茨曼癌症研究所（犹他大学）、Genmab 和 CAS 的专家于 2 月 21 日参加了一场网络研讨会，重点介绍了免疫肿瘤学大数据分析的洞察。
如需了解免疫肿瘤学领域的最新进展，请阅读我们的 文章，或 点击此处 获取网络研讨会录像。
网络研讨会重点摘要
Kavita Iyer 在研讨会开场时，展示了基于 CAS Content Collection™ 中免疫肿瘤学领域出版物数据，通过自然语言处理 (NLP) 技术分析得出的洞察。这种基于 NLP 的分析帮助识别了该领域八大类中的 300 多个新兴概念，包括治疗靶点类型、生物标志物、疗法和癌症类型等。这些新兴概念以易于理解的视觉格式——CAS TrendScape® 图谱呈现，显示出该领域正随着期刊出版物、临床试验和获批药物的增加而迅速演进。
亨茨曼癌症研究所 数据科学高级总监 Aik Choon Tan 博士继续探讨了他在免疫肿瘤学生物标志物大数据分析方面的经验。有效的生物标志物对于预测患者的治疗反应至关重要。Tan 博士展示了一项近期研究的发现，该研究详细说明了转移性黑色素瘤患者对免疫检查点抑制剂产生反应与无反应者之间在生物标志物上的差异。在疗效与不良反应之间取得平衡，仍是基于免疫检查点疗法面临的挑战。最后，Tan 博士谈到了如何利用 clinicaltrial.gov 和 FDA 不良事件报告系统 (FAERS) 等公开数据库，深入了解接受免疫检查点抑制剂治疗的癌症患者所产生的免疫相关不良事件 (irAEs)。
Genmab 数据科学与人工智能全球负责人兼高级副总裁 Hisham Hamadeh 博士阐述了数据共享、数据隐私以及“FAIR”数据原则的重要性。Hamadeh 博士就数据收集、整合、共享和隐私保护等关键环节提出了建议，以最大限度地挖掘数据价值。最后，他简要介绍了基于人工智能的计算机视觉等前沿技术，该技术可用于预测患者对免疫检查点抑制剂的反应——这是一种非侵入性技术，能够考量人类难以计算的变量。
在总结环节，与会者提出了许多问题，包括如何改进所述方法、类似分析在不同领域的适用性，以及关于数据隐私和共享的问题。总之，本次研讨会强调了利用大数据分析识别免疫肿瘤学领域值得关注的新兴课题，从而助力塑造未来的研发机遇。
探索我们详尽的 洞察文章，并下载我们关于免疫肿瘤学的最新 执行摘要，以了解更多新兴趋势和隐秘关联，获取该领域的全景视图。点击 此处 查看研讨会录像及相关幻灯片。
您还可以 点击此处阅读更多内容，了解生物标志物如何在精准肿瘤学中发挥重要作用，以及整个癌症研究和治疗领域所面临的主要挑战与机遇。
