Charlotte Syrykh教授：基于机器学习模式来预判双蛋白表达及MYC重排DLBCL患者的预后， 具有一定的临床前景
编者按：2022年9月9日~13日，万众瞩目的欧洲肿瘤内科学会(ESMO)年会在法国首都巴黎的凡尔赛门展览馆隆重召开，作为全球范围内久负盛名的顶级学术会议，一如既往地吸引了来自全球范围内的肿瘤相关领域专家和学者齐聚一堂，共探肿瘤的诊疗进展。在本次ESMO大会上，来自法国的Charlotte Syrykh教授报告了一项基于机器学习(machine-learning)模式对MYC/BCL-2双表达及MYC重排的GCB亚型DLBCL患者的预后进行预测，为了更深入了解该方面的内容，《肿瘤瞭望》在ESMO大会现场特邀采访了Charlotte Syrykh教授，并针对该方面的内容进行了深入解读。
623MO-Machine learning-based prediction of germinal center，MYC/BCL2 double protein expressor status，and MYC rearrangement from whole slide images in DLBCL patients
《肿瘤瞭望》：谈一谈DLBCL预后评估的生物标记物？
Charlotte Syrykh教授：事实上，弥漫大B细胞淋巴瘤(DLBCL)预后相关的生物学标记物(biomarkers)并未完全应用于临床治疗中，在我们本次ESMO大会上的该项研究中分别提到了DLBCL预后的几项相关因素：①细胞来源与DLBCL预后存在相关，例如生发中心型(GCB亚型)的DLBCL患者预后可能要优于non-GCB亚型；②根据MYC/BCL-2/BCL-6基因重排情况可定义“双打击”或“三打击”DLBCL，而这部分患者的预后基本上是最为惨淡的；③还有部分患者为“双表达状态”，这可能也与预后存在相关。当然，患者的年龄、乳酸脱氢酶(LDH)水平及疾病分期同样也是重要的预后因素。
《肿瘤瞭望》：“双表达状态”的DLBCL患者预后是否极差？
Charlotte Syrykh教授：伴有c-MYC及BCL-2蛋白表达的DLBCL患者称之为“双表达状态”，某些研究认为双蛋白表达(即c-MYC/BCL-2)与DLBCL的预后存在相关，但目前并未充分重复和证实，因此我并不认为双蛋白表达的DLBCL患者预后会非常差，因为它并非为双打击或三打击淋巴瘤。
《肿瘤瞭望》:谈一谈本次ESMO会议上您团队基于Machine learning的模式来预测MYC/BCL-2双表达DLBCL患者的预后，这有何临床价值？
Charlotte Syrykh教授：事实上，基于机器学习(Machine learning)模式下预测MYC/BCL-2双蛋白表达DLBCL患者预后的临床价值仍有一定争议，有待进一步探索，但我认为Machine learning模式不仅能给我们带来DLBCL患者临床特征方面的信息，并且该模式能帮助我们更为深入地了解双蛋白表达的DLBCL患者，因此我认为Machine learning模式是非常具有前景和临床应用价值的，因为它能进一步提高我们对于DLBCL分类及风险分层的能力，但目前尚未作为一项具体技术应用于临床工作中。