免疫检查点抑制剂(immune checkpoint inhibitor, ICI)是肿瘤治疗领域的重大变革，但使用ICI的肿瘤患者会出现一系列免疫介导的器官特异性的副作用，被称为免疫相关不良反应 (immune related adverse event, irAE)。当免疫治疗肿瘤患者出现了irAEs，他们将会面临停止治疗，重要器官的永久组织损伤甚至死亡的严重后果。例如免疫相关肺炎是抗PD-1/PD-L1治疗的肿瘤患者出现的最常见的致死irAE，占抗PD-1/PD-L1相关的irAEs死亡的35%。免疫相关心肌炎虽然发病率相对较低，但其致死率高达50%。鉴于越来越多的肿瘤患者使用ICI疗法，全面的理解irAE将有助于免疫治疗病人达到最大的临床获益。

目前在irAE研究领域，还有很多根本问题亟待解决，例如预测单个患者的irAE风险，irAEs和免疫获益之间的相关性。要深入探讨这些问题，需要同时收集病人的临床和分子信息。由于ICIs靶标分子机制的多样性，不同的irAE和不同的病人在临床表征、发病时间和发病率等方面的异质性也非常强。另一方面，irAE几乎影响人体的每一个器官，需要临床医生有多个专科的专业知识才能有效的诊断和管理。更重要的是，从伦理上来说，临床工作者难以系统性的收集病人被irAE影响的器官组织。因此，目前收集用于irAE研究的样本和临床信息面临着巨大挑战，制约着irAE的相关研究的开展。

鉴于上述研究困境，2022年1月17日，美国Texas A&M大学韩冷教授和上海交通大学医学院临床研究中心景莹副研究员等人在Nature Reviews Clinical Oncology杂志上发表了题目为Harnessing big data to characterize immune-related adverse events的文章，总结和阐述了如何最大限度的利用多维度的大数据进行irAE研究。作者们首先总结了可用于irAE研究的三个主要来源的大数据，以及不同来源的大数据的优点和缺点。再进一步以irAE生物标志物、irAEs和ICI疗效的关系和irAE风险相关人口统计学和计量学特征这三个关键的irAE问题作为范例详细阐述如何将大数据应用到irAE研究。

作者们首先对现有的各种大数据的数据特征等进行了详细的研究和调查，总结出三种能够应用到irAE研究的大数据类型：整合的临床研究数据，大规模真实世界数据和多组学数据。整合的临床研究数据因其有详细的临床研究规范，数据质量较高，但大部分的临床研究都不会公开病人层面的数据。真实世界数据囊括了大规模的病人数量，但数据的完整性和质量较临床研究数据相对略低。多组学数据可以深层次的揭示irAEs的分子机制，但现有多组学数据集往往都缺乏详细的病人临床信息，尤其是irAE信息。因此，将这三个不同来源的数据进行严格的生物信息学分析和整合将极大的推动快速，灵活和可靠的irAE科研的开展，并将最终加速这些研究在临床和转化方面的进展。例如，通过生物信息学分析方法来整合多组学测序数据和药物警戒数据库的数据可有效鉴定irAE生物标志物；利用整合的临床研究数据和真实世界数据可用以研究irAE和ICI疗效的相关性；利用真实世界数据库中的数据可以研究病人特征相关的irAE风险。

图1. 多维度的大数据在irAE研究的应用

原文链接：

https://www.nature.com/articles/s41571-021-00597-8