荷兰研究者de Vries 等使用智能“电子鼻”，对肺癌患者呼出的气体进行分析，预测免疫治疗的患者能否达到客观缓解，客观缓解率预测的准确率高达85%。这种“呼气预测”，不仅可以提前预测客观缓解率，还能使至少24%的肺癌患者，提前回避无效的免疫治疗。(Ann Oncol. 2019年9月17日在线版. doi: 10.1093/annonc/mdz279)

为了预测免疫治疗的疗效，研究者们可谓绞尽脑汁。PD-L1表达水平、肿瘤突变负荷(TMB)、T细胞亚群测定、免疫微环境基因型、单细胞测序甚至机器学习等都被探讨用来预测免疫治疗疗效。

虽有一定研究进展，但免疫治疗的客观缓解率，在目前已获批的适应证患者群体中，只有30%左右。就算把疾病稳定的患者算上，整体获益比例也不够让人满意，许多患者实际上接受了无效的治疗。

除了治疗有没有效之外，治疗副作用、费用高昂、病情超进展风险之类的因素，都让预测疗效显得格外重要。

每个人呼出的气体，也像指纹一样有着独一无二的特征。挥发性有机物(VOC)、甲烷、氨气等可从侧面反映人体的代谢情况。研究显示，在呼吸系统疾病当中，VOC等气体成分的变化，可作为疾病筛查、预后评价的有效指标。且与抽血检查相比，呼气检查既无创又快速。

基于这个思路，荷兰研究者设计了“电子鼻”(eNose)，在传统肺功能检测仪器的基础上，利用7个特殊传感器，实时分析疾病患者和正常人呼出气体成分特征的不同。经过数据处理和校对，这些特征会转化为最终的分析模式。

在分析COPD、哮喘等疾病时，检测流程只需要2分钟的电子鼻，都取得了成功。用到免疫治疗上，之前的套路并不变，只要从患者身上得到数据，再总结出模式就可以尝试了。

研究者首先招募了92例接受免疫治疗的晚期肺癌患者，让他们接受电子鼻呼气分析，也就是“训练队列”。总结出的分析模式，再在51例患者的“验证队列”当中进行验证。

虽然招募的真实世界患者情况复杂，但电子鼻没让人失望。在患者能否实现客观缓解的预测上，电子鼻分析的曲线下面积(AUC)达到0.85，也就是85%的准确率。而如果使用PD-L1表达水平预测，那么AUC只有0.66，差距接近20%。

而在提前区分免疫治疗无效的患者上，电子鼻也更准，它预测免疫治疗无效可能性>72%的患者有12例，这12例患者均未获得客观缓解。如果用PD-L1阴性作为筛查标准，虽然同样能找出这12例患者，却会漏掉3例获得客观缓解的患者。

也就是说，电子鼻预测可能无效的患者，最终治疗无效的可能性就非常大，检测的敏感性比PD-L1更好。而这些并不适合免疫治疗的患者，在整个队列中占到近四分之一(24%)，提前将其筛选出来，换用其他方案治疗，利大于弊。

美国斯坦福大学Heather Wakelee教授评论指出，这两年PD-1抑制剂已经获批用于肺癌的一线治疗，可以单药也可以联合化疗，而研究团队入组的患者，大多数是单药二线治疗。所以电子鼻应用能否扩大，还需要前瞻性研究的验证。

(编译 冯如)