人工智能计算的生物标志物可以预测肺癌患者对免疫疗法的反应

据外媒报道，一项新研究的作者确定，非小细胞肺癌患者的肿瘤相关血管比通常更扭曲，这些患者对免疫治疗的反应不佳，因为他们推测，血管越扭曲，抗肿瘤细胞越难到达肿瘤。这项研究结果最近发表在《科学进展》上，由代表埃默里大学、克利夫兰诊所、NYU Langone Health、Weill Cornell Medicine等机构的研究人员进行。

通常，寻找合适的癌症治疗方法是一个试错过程，医生会逐一尝试昂贵的疗法，这些疗法可能有效，也可能无效，直到找到一种适用的为止。但是，一种新发现的生物标志物可以通过人工智能算法从常规CT扫描中计算出来，未来可能使这个过程更加高效。

这个生物标志物由代表埃默里大学、克利夫兰诊所、NYU Langone Health、Weill Cornell Medicine等机构的研究人员发现。他们训练了一个算法，通过非小细胞肺癌（NSCLC）肿瘤的扫描，寻找特定的指标，以判断一个人对免疫治疗的反应如何，这些指标在最近发表的一项回顾性研究中进行了描述。

免疫治疗通常是NSCLC的首选治疗方法，即使在不到一半的患者中有效，但也可能花费数十万美元。

该研究的作者之一、埃默里大学和乔治亚理工学院的生物医学工程部门的教授Anant Madabhushi博士表示：“免疫治疗只能使约30%的患者受益。鉴于治疗的高昂费用和70%的失败率，我们必须找到更好的方法来预测和监测治疗反应。”

这个新的生物标志物被称为定量血管扭曲度（QVT），因为它评估了肿瘤周围血管的排列方式。通常，肿瘤相关血管比正常血管更扭曲和混乱排列，使癌细胞更快生长，并更容易在全身扩散。

使用人工智能工具对500多名非小细胞肺癌患者在接受免疫检查点抑制剂治疗前后的这些血管进行了检查，研究作者确定，在免疫治疗反应不佳的患者中，与肿瘤相关的血管甚至更加扭曲–他们推测，血管越扭曲，抗肿瘤细胞就越难到达肿瘤。

有了这些发现，研究人员能够训练一种机器学习算法，仅使用CT扫描就可以分析肿瘤周围的血管，并计算患者对免疫治疗有反应的可能性。人工智能最终能够预测治疗反应，三个测试集中曲线下的平均面积约为0.65，精度水平略高于随机机会，由AUC 0.5表示。

编辑：王洪

排版：李丽