自从免疫治疗（IO）横空出世，取得的疗效让人叹为观止，癌症患者人人做梦都想接受IO治疗。
但可别忘了，免疫治疗药物用在不合适的人身上，不但不能缓解病情，还可能延误病情，造成疾病进展。
生物标志物（biomarker）作为最直接快速有效的检测手段，为了让患者能受到准确有效的治疗，biomarker就担起了筛选患者、分类患者的重担，准确找出有药物响应的患者，让他们尽早接受最好的治疗。
近期，由韩国科学家组成的研究团队，在著名期刊Nature Medicine发表了一篇可以写进教科书的胃癌免疫治疗研究成果[1]。
为什么这么说呢？因为他们在每个患者身上把目前几个可能的biomarker：
PD-L1、MSI、TMB、EBV都仔仔细细全测了一遍。真是太可怕了，也不知道花了韩国纳税人多少银子。
不过也值了，发表在影响因子32.621 的Nature Medicine，估计明年的韩国国自然重点项目不在话下了。
“不怕不识货，就怕货比货”，难能可贵的是这个研究为IO用药效果，在同一个患者群中提供了各个标记物的价值对比。而且，更有趣的是，不同的biomarker给出了非常不同但又非常有意义的结果。
一. 这些都是什么？
首先，我们要知道这些IO biomarker都是什么意思？
1. PD-L1
PD-L1是一种在肿瘤细胞表面表达的蛋白，而免疫系统的效应T细胞表达PD-1蛋白，PD-1通俗的讲就是一种免疫细胞自杀按钮，一旦肿瘤细胞拥有PD-L1，就像坏蛋长出了手，将T细胞上的PD-1自杀按钮狠狠按下，使T细胞无法正常的杀掉肿瘤细胞。坏蛋肿瘤不仅活了下来，还不断的增大增多，夺取身体的养分，破坏体内正常秩序。
所以，神奇的免疫治疗其实就是通过单克隆抗体保护PD-1，使它不被坏蛋按下，也就不会自杀了。因此，PD-L1蛋白高表达的肿瘤细胞无疑就是免疫治疗的靶子。现在这是最热的免疫治疗标志物。
2. MSI
微卫星不稳定性（Microsatellite instability,MSI）也是明星biomarker之一，微卫星序列（Microsatellite,MS）在真核生物基因组中约占5%，是基因重组和变异的来源。
MSI便是由于在遗传物质复制过程中，各种错误的累积所致。肿瘤细胞的DNA突变多表现在微卫星序列异常，免疫细胞一眼就看出来有问题。
MSI最大的问题是应用很少，只有在很少的癌种很苛刻的条件下才能使用，而且对于样本要求很高，很多时候需要手术或者穿刺。
3. TMB
肿瘤突变负荷（Tumor mutation burden,TMB）是肿瘤组织每兆碱基中突变的数目。原理和MSI非常相似，只不过突变不在MS上，而在全基因组之中。
因此，TMB高也是预测使用PD-1抗体是否有效的一个重要biomarker。
只是TMB检测更昂贵，而且检验标准非常不统一。而且不同癌种的TMB水平也很不一样。另外年龄也是一个很大的影响因素，年龄越高TMB越高，会影响正常值。
4. EBV
最后，让我们来看看文献中新推荐的EBV标志物，EBV就是EB病毒(Epstein-Barr virus,EBV)。
EBV是鼻咽癌和胃癌中经常出现的外来入侵者。病毒的DNA会插入到人细胞DNA基因组序列中，导致细胞增殖异常。
大家一定急着想知道，文章最后到底得出一个什么结论，谁才是最牛的预测标记物，或者说是最普适、最有用的biomarker？有没有一套让人信服的评价指标，公平公正的挑出它呢？
二. 评价指标只有一个就足够了吗？
让我们细细道来。
文中，对biomarker的评价标准之一是用药后的总体反应率(overall response rate ,ORR)
结果表明：EBV阳性的患者ORR为100%，MSI-H，即高度MSI的患者ORR为85.7%，PD-L1阳性的患者ORR为50%，阴性的患者ORR为0%。TMB也不甘示弱，高度TMB的患者ORR为88.9%，中度TMB的患者ORR为20%，低度TMB的患者ORR为11.1%。
x轴上有各个患者的编号，按照肿瘤最大缩小程度进行排序，越往右表示疗效越好；y轴代表肿瘤最大缩小程度，正值代表肿瘤增大，负值代表肿瘤缩小。
X轴上注明了患者的突变数目分为高度、中度、低度三种，按照染色体外显子区域TMB突变数目由多到少从左到右排序，x轴下方用颜色标记的患者有药物响应，没用颜色标记的患者无药物响应。y轴值的高低代表染色体外显子区域TMB突变数目的多少，不同的颜色代表不同原因引起的突变。
乍一看，哇！EBV的预测效果最好，MSI和TMB的效果也不错，好像一个个都可以比肩PD-L1，成为明星IO biomarker了？
赶快喝口水冷静冷静~
三. 不只一个评价指标
这明星biomarker可不是这么好当上的，得经过重重指标的考验，仅凭ORR还不能草率的判断谁更厉害，还得靠敏感性、特异性、阳性预测值、阴性预测值这四大统计学指标来统一评价。在文献所处的环境下，它们的含义分别是：
敏感性（TPR：True positive rate）：
指的是用药有效人群中，被标志物预测为有效的（阳性）人数的比例。【真有效里被说有效的】
特异性（SPC：Specificity）：
指的是用药无效人群中，被标志物预测为无效的（阴性）人数的比例。【真无效里被说无效的】
阳性预测值（PPV:Positive Predictive Value）：
指的是标志物预测为有效的（阳性）人群中，实际用药有效的人数所占比例。【说有效里真有效的】
阴性预测值（NPV：Negative Predictive Value）：
指的是标志物预测为无效的（阴性）人群中，实际用药无效的人数所占比例。【说无效里真无效的】
是不是感觉像绕口令啊？想必敏感性、特异性大家都听过，即使不懂其具体含义，也都略知一二。为什么还要多算两个预测值呢？它们的意思，是不是差不多呀……？
不，差之毫厘，谬以千里。
敏感性、特异性，主要反映诊断标志物预测的能力，是一个标志物准或者不准最直接的评价标准，主要用于从已经确定是癌症患者的群体中，挑出可能有药物响应的那部分。
敏感性是“挑的出”，特异性是“挑的准”。而预测值的意义主要是卫生经济学的评价，用以评价标志物的性价比。
四. 多重评价指标数据说话：PD-L1和EBV胜出
根据文献中提供的PD/SD/PR/CR的四种患者用药效果，我们把CR PR作为用药有效的部分，SD PD作为用药无效的部分，计算每一个biomarker的TPR/SPC/PPV/NPV，得出：
PD-L1的TPR=100%，SPC=63.16%，PPV=50%，NPV=100%；
EBV的TPR=40%，SPC=100%，PPV=100%，NPV=82.35%；
MSI的TPR=40%，SPC=97.62%，PPV=85.71%，NPV=82%；
TMB的TPR=42.86%，SPC=94.87%，PPV=75%，NPV=82.22%
看这四个指标，很明显，PD-L1和EBV的总体得分强势碾压了MSI和TMB，那么就只剩下PD-L1与EBV宫斗了（是不是最近追剧上瘾了）。
五. PD-L1和EBV继续比较
特别有意思的是，两个biomarker各占半壁江山。
PD-L1的TPR和NPV高（都是100%），EBV的SPC和PPV高（也都是100%），PD-L1是敏感性100%，EBV是特异性100%；PD-L1是阴性预测值100%，EBV是阳性预测值100%，这真是太神奇了！到底要选哪个呢？
PD-L1的NPV满分就意味为预测阴性的患者药物完全无效，没有错过任何一个可能获益的患者。而EBV的NPV为82%，则有让一些其实有效的患者被误判为阴性，错失了治疗的机会。
而另一个指标，敏感度PD-L1也是满分，意味着每一个用药有效的患者都被PD-L1这个标记物挑出来了。而EBV的TPR=40%，意味着有60%的有效患者被EBV预测为无效，让大部分用药有效患者失去用药的宝贵机会。
EBV的PPV满分意味着每一个预测为阳性的患者都是有效人群，而PD-L1的50%意味着有一半预测阳性人群是用药无效的（其实其中一部分是病情稳定SD）。EBV的特异性100%意味着每一个用药无效的患者，该指标都是阴性的。
由此可见，PD-L1“挑的出”，把所有的有效患者都挑出来了，但是有误挑的；
EBV“挑的准”，挑出来的都是有效的，但是有漏挑的。
六. PD-L1在药物应用上的优势
而如今K药作为一个可以对应于多种癌型，并有显著治疗效果的药物，已经得到了美国FDA的审核，并被收入美国国立综合癌症网络（National Comprehensive Cancer Network,NCCN）临床实践指南之中，NCCN是临床医生人人必读的指南，临床诊断和治疗常以指南内容为金标准。
如果由于漏诊使患者失去了用药的机会，患者将面临疾病进展的痛苦。这种悲剧是患者不愿意接受的。而PD-L1的TPR和NPV100%（的确有点不可思议），不仅患者不会漏诊，药厂也能卖出更多的药，皆大欢喜。
因此，在真正临床用药场景中，把PD-L1作为biomarker更受大家的欢迎。
七. 总结：综合优选为PD-L1
总结说来，PD-L1在保证TPR（敏感性）和NPV（阴性预测值）极高的情况下，SPC（特异性）和PPV（阳性预测率）也都很不错，综合能力均衡，在这场“宫斗”中完美取胜。
八. 实锤：PD-L1已经进入美国指南
2017年，NCCN指南明确指出对于无明显驱动基因突变的初诊NSCLC肺癌患者可以进行PD-L1的检测，如果PD-L1≥50%，可以选择PD-1单抗Keytruda（pembrolizumab，K药）作为一线用药。
这条指南至今就是金标准。
[1]Kim S T, Cristescu R, Bass A J, et al.Comprehensive molecular characterization of clinical responses to PD-1inhibition in metastatic gastric cancer[J]. Nature Medicine, 2018.