發表在“The Lancet Oncology”上的壹項研究首次證實,AI可以處理醫學圖像以提取生物學和臨床信息。通過設計算法並將其開發用於分析CT (電子計算機斷層掃描)掃描圖像,Gustave Roussy,CentraleSupélec,Inserm,Paris-Sud University和TheraPanacea(專門從事AI的放射治療和精密醫學)的醫學研究人員創建了壹個所謂的放射學特征。該特征定義了腫瘤的淋巴細胞浸潤水平,並提供了患者免疫治療(癌症療法)功效的預測評分。
將來,醫生可能因此能夠使用成像來識別位於身體任何部位的腫瘤中的生物現象,而無需進行活組織檢查。
到目前為止,沒有任何標記能夠準確地識別出那些對抗pd-1/PD-L1免疫療法有反應的患者,在這種情況下,只有15%到30%的患者會對這種癌症療法做出反應。眾所周知,腫瘤環境越豐富(淋巴細胞的存在)就越有可能使癌症療法有效,因此研究人員試圖利用成像技術來描述這種環境,並將其與患者的臨床反應聯系起來。這是在發表的研究中設計和驗證的放射狀特征的目標。
在這項回顧性研究中,在來自四個獨立隊列的500名實體瘤患者(所有部位)中捕獲,開發和驗證了放射學特征。它在基因組學,組織學和臨床上得到了驗證,使其具有魯棒性。
該團隊使用基於機器學習的方法,首先教導該算法使用從參與MOSCATO研究的患者的CT掃描中提取的相關信息,該研究還包含腫瘤基因組數據。因此,僅基於圖像,該算法學習預測基因組可能揭示的關於腫瘤免疫浸潤的內容,特別是關於腫瘤中細胞毒性T淋巴細胞(CD8)的存在,並且它建立了放射性組織特征。
這一特征在其他人群中進行了測試和驗證,包括TCGA(癌症基因組圖譜),從而表明成像可以預測一種生物現象,提供對腫瘤免疫浸潤程度的估計。
然後,為了測試該特征在實際情況下的適用性,並將其與免疫療法的功效相關聯,在參與5階段抗pd-1/PD-L1免疫療法的患者的治療開始前,對其進行了CT掃描。研究發現,免疫療法在3個月和6個月有效的患者的放射學得分更高,與那些整體存活率更高的患者相近。
下一個臨床研究將回顧性地和前瞻性地評估特征,將使用更多數量的患者並且將根據癌癥類型對它們進行分層以便改進特征。
這還將采用更復雜的自動學習和AI算法來預測患者對免疫療法的反應。為此,研究人員打算整合來自成像,分子生物學和組織分析的數據。這是研究所之間合作的目的,以確定那些最有可能對癌症療法有反應的患者,從而提高癌症療法的療效和成本比。
文章標簽:癌症治療
更多香港醫療保障資訊:
自願醫保計劃VHIS:自願醫保計劃是什麼?投保前先了解自願醫保計劃的保障範圍,如何扣稅?
高端醫療保險Hi-end Medical:高端醫療保險是什麼?不同高端醫療保險的產品特點和優點缺點比較
定期危疾保險Term CI:定期危疾保險是什麼?純定期危疾保險有哪些?一一比較保費和產品特點
終身危疾保險Whole CI:終身危疾保險是什麼?如何分別定期危疾保險和終身危疾保險?詳細講解保障範圍