克利夫兰-凯斯西储大学数字影像实验室的科学家率先利用人工智能(AI)预测化疗是否会成功，现在已经有可能确定哪些肺癌患者将从昂贵的免疫治疗中获益。
此外，他们再次教计算机找出在免疫治疗的前2-3个周期后，与肺癌相比，首次诊断肺癌时CT扫描模式中以前看不到的变化，从而实现了这一点。而且，和之前的工作一样，这些变化是在肿瘤内外发现的，这是最近实验室研究的标志。
研究中心的Anant Madabhushi说：“这不是一时兴起。这项研究似乎确实反映了这种疾病的生物学特征，即更具侵袭性的表型，这是肿瘤学家目前没有的信息。”结合医学影像、机器学习和AI技术，计算影像和个性化诊断(CCIPD)部门已成为检测、诊断和表征各种癌症和其他疾病的全球领导者。
根据《国家癌症》杂志的报道，目前，真正受益于免疫治疗的癌症患者只有20%左右，免疫治疗与化疗的区别在于，它使用药物帮助你的免疫系统对抗癌症，而化疗则使用药物直接杀死癌细胞。研究所。
Madabhushi说，他的实验室最近的工作将帮助肿瘤学家知道哪些患者将真正受益于这种疗法，哪些患者不会。
Madabhushi说：“即使免疫疗法改变了整个癌症生态系统，它仍然非常昂贵——每个患者每年大约需要20万美元。”“这是癌症造成的经济毒性的一部分，导致约42%的新确诊癌症患者在确诊后一年内失去生命。”
他补充说，如果有一个基于他的实验室正在完成的研究的工具，它将有助于“更好地匹配哪些患者将对免疫疗法有反应，而不是花费80万美元”，这将有很长的路要走。五分之三的人不会受益，乘以每年的估计成本。
新的研究出版物
这项由共同作者Mohammadhadi Khorrami和Prateek Prasanna、Madabhushi和来自六个不同机构的其他10名合作者领导的新研究(见下面的列表)于本月发表在《癌症免疫学研究》杂志上。
CCIPD的研究生Khorrami说，这项研究最重要的进展之一是，计算机程序可以记录给定病变的纹理、体积和形状的变化，而不仅仅是大小。
“这很重要，因为当医生仅根据CT图像决定患者是否对治疗有反应时，通常取决于病变的大小，”Khorrami说。“我们发现，组织的变化更能预测治疗的效果。
“例如，有时治疗后可能会出现较大的结节，这是由于另一个原因，例如肿瘤中的血管破裂，但这种治疗实际上是有效的。现在，我们有办法理解了。”
Madabhushi实验室博士后研究助理Prasanna表示，研究还表明，用两种不同部位和三种不同类型的免疫治疗剂治疗的患者，扫描结果是一致的。
他说：“这证明了该计划的基本价值，即我们的机器学习模型可以预测接受不同免疫检查点抑制剂治疗的患者的反应。”"我们正在处理一个基本的生物学原理."
Prasanna说，最初的研究使用来自50名患者的CT扫描来训练计算机，并创建了一种数学算法来识别病变的变化。他说，下一步将检测从其他地方获得的病例和不同的免疫治疗药物。这项研究最近获得了ASCO 2019征服癌症基金会优秀奖。
此外，研究人员还可以证明，CT扫描的模式与治疗的阳性反应和患者的整体生存率关系最大，后来发现与原始诊断活检组织中免疫细胞的排列密切相关。在这些病人中。
他说，这表明这些CT扫描实际上似乎捕捉到了肿瘤诱导的对癌症侵袭的免疫反应——最强的CT扫描显示了最显著的组织变化，最重要的是，对CT扫描的反应是最好的免疫疗法。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！