AI出奇招——医学影像也能预测疗效

一项发表在《The Lancet Oncology》上的研究首次证实,人工智能可从医学影像中提取生物学和临床信息。通过设计并开发算法来分析CT扫描影像,医学研究人员创造了一种所谓的影像学特征(radiomic signature),该特征定义了肿瘤的淋巴细胞浸润水平,并提供了一种免疫治疗效果的预测评分。

将来,医生可能无需进行活检,仅使用影像资料就可以识别身体任何部位的肿瘤的生物现象。

到目前为止,还没有任何标志物能够准确地找出哪些患者可受益于抗PD-1/PD-L1免疫疗法,临床的实际情况是,这类治疗仅对15%到30%的患者有效。众所周知,肿瘤环境中免疫细胞越丰富(如淋巴细胞的存在),免疫疗法有效的可能性越大。因此,研究人员试图使用影像技术来表征这种肿瘤微环境,并将表征结果与患者的临床效果相关联。这项发表在《The Lancet Oncology》上研究便设计和验证的了一套影像学特征来实现这一目标。

在这项回顾性研究中,研究员从来自四个独立队列的500名实体瘤患者(所有部位)中捕获、开发并验证了这套影像学特征。经过了基因组学、组织学和临床三个方面的验证,这一影像学特征具有很高的鲁棒性。

使用一种基于机器学习的方法,该团队首先教授该算法从一群受试者的CT扫描中提取相关信息,这群受试者来自MOSCATO研究,该研究还收集了患者的肿瘤基因组数据。仅基于影像,该算法通过学习试图预测基因组可能提示的关于肿瘤免疫浸润的信息,特别是关于肿瘤中细胞毒性T淋巴细胞(CD8)的存在,并且建立影像学特征。

该影像学特征在其他受试者队列中进行了测试和验证,包括TCGA(癌症基因组图谱),结果显示影像可以预测生物现象,可估计一个肿瘤周围免疫浸润的程度。

然后,为了测试该影像特征在实际情况下的适用性以及它与免疫疗法的效果相关性,研究者在五个I期抗PD-1/PD-L1免疫疗法的临床试验中,使用开始治疗之前的CT扫描来评估这一影像学特征。结果发现,在3个月和6个月时对免疫疗法有应答的患者,跟那些总体生存率较高的患者一样,拥有更高的影像学评分。

下一项临床研究将回顾性地和前瞻性地评估这一影像学特征,并将纳入更多数量的患者,以及根据癌症类型进行患者分层,以便改进这个影像学特征。

研究员还将采用更复杂的自动学习和人工智能算法来预测患者对免疫疗法的应答,为此,研究人员打算整合来自影像、分子生物学和组织分析的数据,以确定那些最有可能对治疗有效果的患者,从而提高治疗的疗效/成本比。

文:YOYO

编辑:海面书

参考链接:https://medicalxpress.com/

https://www.sciencedaily.com/

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180928G0TXVZ00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券