基于人工智能的生物标志物帮助预测肺癌患者的免疫治疗反应

在一项回顾性研究中，来自多个医疗保健系统和大学(包括埃默里大学)的一组研究人员发现了一种新的人工智能 (AI) 衍生生物标志物，该标志物使用常规成像扫描来帮助预测哪些肺癌患者会对免疫疗法产生反应. 这些发现发表在最近发表在《科学进展》杂志上的一篇文章中，不仅为患者及其医生做出治疗决定提供了指导，而且还可以减轻与免疫疗法相关的经济负担。

“仅从基线 CT 扫描预测对免疫疗法反应的能力将改变游戏规则，因为如果我们发现哪些患者会对治疗有反应，哪些不会对治疗产生反应，我们就可以提供不同的治疗方式，”Mohammadhadi Khorrami 博士说。 ，埃默里大学医学院和佐治亚理工学院工程学院 Wallace H. Coulter 生物医学工程系的研究第一作者和博士后研究员。“此外，由于免疫疗法的成本惊人——每位患者每年约 200,000 美元——在开始治疗之前非侵入性地确定这种反应变得至关重要。”

新的生物标志物定量血管迂曲度 (QVT) 检查肿瘤周围血管的特征，这会影响肿瘤行为和治疗抵抗力。肿瘤利用身体的机制来构建新血管，并将尽可能多的血液重新引导至肿瘤，以便它们能够更快地生长并扩散到全身。与正常血管相比，肿瘤相关的血管系统排列混乱且扭曲。

Khorrami 和他的同事使用 AI 工具评估了 500 多例非小细胞肺癌患者在接受免疫检查点抑制剂 (ICI) 疗法(一种免疫疗法)治疗前后 QVT 生物标志物的不同方面。研究人员发现，与有反应的患者相比，对 ICI 治疗无反应的患者的肿瘤血管结构更加扭曲。他们假设血管扭曲会导致抗肿瘤细胞在肿瘤部位积聚，但无法有效浸润肿瘤，从而降低免疫疗法的有效性。

“我们的成像生物标志物在基因组、分子和细胞尺度上得到了验证，有可能成为一种工具，用于更好地识别可能受益于免疫疗法的非小细胞肺癌患者，”研究的 Mehdi Alilou 博士说。在凯斯西储大学时是共同第一作者，现在是大众创新与工程中心的高级人工智能工程师。

这些发现很重要，因为根据美国癌症协会的数据，免疫疗法通常是非小细胞肺癌患者的一线治疗，非小细胞肺癌占所有肺癌的 84%。然而，大多数患者无法通过 ICI 疗法获得持久的效果。

“免疫疗法往往只会使大约 30% 的患者受益。由于治疗费用高昂且失败率高达 70%，我们必须找到更好的方法来预测和监测对治疗的反应，”研究的 Anant Madabhushi 博士说埃默里大学医学院和佐治亚理工学院工程学院 Wallace H. Coulter 生物医学工程系作者和教授，埃默里大学 Winship 癌症研究所癌症免疫学研究项目成员。

“在决定治疗谁以及如何治疗时，临床医生确实需要可解释的特征。血管曲折是一种新颖的放射组学方法，它使用可解释和直观的 AI 方法来评估肿瘤是否对治疗有反应，甚至在更明显的变化之前肿瘤大小变得明显。”

研究合作者包括凯斯西储大学、克利夫兰诊所、纽约大学朗格健康中心、石溪大学、克利夫兰大学医院和威尔康奈尔医学院。

“我们定量测量血管异常生长的方法可以帮助开发一种动态的方法来测量和监测治疗前和治疗后的这些变化，”医学博士、FACP、FCCP、胸部肿瘤学项目医学主任 Vamsi Velcheti 说。纽约大学 Langone 的 Perlmutter 癌症中心和该研究的合著者。“这可以为一种新的诊断方法铺平道路，用于与免疫疗法相结合的策略。”

在未来的工作中，研究人员将寻求在前瞻性临床试验中验证 QVT 生物标志物。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！