免疫疗法利用人体的免疫系统来识别和消灭肿瘤细胞。 免疫肿瘤学领域一直快速发展，获批药物的数量显著增加。 医学界一直关注这一领域，未来机会无限。 2月21日，来自亨斯迈癌症研究所（犹他大学）、Genmab 和 CAS 的专家参加了一场网络研讨会，针对免疫肿瘤学领域的大数据分析各抒己见。

欲了解免疫肿瘤学领域的最新发展，请查看我们最近发表文章，或点击此处获取网络研讨会回放，了解免疫肿瘤学领域的最新进展。

网络研讨会的主要亮点

Kavita Iyer 针对 CAS 内容合集™中免疫肿瘤学领域出版物数据的自然语言处理（NLP）分析发表见解，拉开了网络研讨会的序幕。 基于自然语言处理的分析帮助确定了免疫肿瘤学领域中300多个新概念，涉及8个主要类别：治疗靶点类型、生物标志物、疗法和癌症等。 这些新概念以易于理解的视觉形式 CAS TrendScape® 呈现。从图中可以看出，期刊出版物、临床试验和获批药物大幅增加，免疫肿瘤学领域的发展迅猛。

下载 CAS TRENDSCAPE

亨斯迈研究所数据科学高级总监 Aik Choon Tan 博士分享了他在免疫肿瘤学生物标志物相关大数据分析方面的经验，继续相关主题的讨论。。 在预测患者治疗反应方面，有效生物标志物的必要性无法被忽视。 Tan 博士介绍对最近的研究发现进行了展示，详细讲述了转移性黑色素瘤免疫检查点抑制剂反应者和无反应者之间生物标志物的差异。 对于免疫检查点治疗而言，如何在疗效和不良事件之间达成平衡仍然是研究人员所面临的一大挑战。 最后，Tan 谈到了如何探索公开可用数据库，如clinicaltrial.gov和FDA不良事件报告系统（FAER），以深入了解免疫检查点抑制剂治疗癌症的免疫相关不良事件（irAE）。

Genmab 高级副总裁兼数据科学与人工智能全球负责人 Hisham Hamadeh 博士谈探讨了数据共享、数据隐私和FAIR（可查找、访问、互操作和重用）数据概念的重要性。 Hamadeh 博士就数据的性质和处理方式（包括数据收集、聚合、共享和隐私）提出了建议，而这对见解的最大化传播至关重要。 最后，他简要探讨了某些尖端技术，比如基于人工智能的计算机视觉技术。这种技术可以预测患者对免疫检查点抑制剂的反应，是一种可以将“人类无法计算”的变量纳入考量的非侵入性技术。

最后，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，以及有关数据隐私和共享的问题。 总之，本次网络研讨会重点讨论了如何利用大数据分析来确定免疫肿瘤学领域众多值得关注的新主题，未来创造更多研发机会。

浏览我们的详细 Insights 文章，下载最新的免疫肿瘤学执行摘要，进一步了解有关新兴趋势、不明显联系以及该领域的全貌。 请点击此处，查看网络研讨会的录播视频和相关幻灯片。

‍