人工智能改善卵巢癌预后

伦敦帝国理工学院和墨尔本大学的科学家开发了人工智能(AI)软件，他们声称这种软件可以比现有方法更准确地预测卵巢癌预后，并且还可以指出哪些治疗最有可能对个体患者有效。伦敦帝国理工学院癌症药理学和分子影像学教授Eric Aboagye博士表示，该软件已经通过英国哈默史密斯医院的一项研究进行试验，可以为更加有效的个性化治疗铺平道路。作者在团队发表的自然通讯论文中。“我们的技术能够为临床医生提供有关患者如何对不同治疗方法做出反应的更详细和准确的信息，从而使他们能够做出更好，更有针对性的治疗决策。”哈默史密斯医院是帝国理工学院医疗保健NHS信托的一部分。

研究人员在一篇题为“ 计算机断层扫描图像中的肿瘤 - 介观 - 结构的数学描述符 - 注释上皮性卵巢癌的预后和分子表型 ”的论文中报道了他们对新软件的试验。

作者表示，上皮性卵巢癌(EOC)是英国女性中第六大常见癌症，并且所有妇科癌症的死亡率最高。EOC的五年存活率约为35-40%，癌症占女性所有癌症死亡人数的4%。通常不会进行诊断，直到症状在稍后而不是早期阶段变得明显。

高级别浆液性卵巢癌(HGSOC)是该疾病中最普遍和最致命的亚型，影响约70%的EOC患者。基因组分析研究揭示了化疗耐药和难治性HGSOC的许多推定的预后生物标志物，而microRNA数据也被用于帮助分层EOC风险。然而，“它仍然具有挑战性，”作者写道，“由于肿瘤内异质性，额外的高检测成本和时间延迟，将这些分子确定的特征转化为临床相关的生物标志物。”所需要的是实时的，非侵入性的和经济有效的预后标记方法，有助于确定个体EOC患者的最佳治疗方案。

卵巢癌诊断通常可涉及血液测定以测试生物标志物CA125，并且CT扫描以提供任何肿瘤的详细视图。肿瘤成像可以帮助确定疾病进展和扩散的程度，从而表明除化疗外，手术是否可能是一种治疗选择。但扫描不能做的是预测总体结果或不同治疗方案在现实中的有效性。

“尽管癌症治疗取得了进展，但晚期卵巢癌患者的长期存活率仍然很低，”Aboagye说。“迫切需要找到治疗这种疾病的新方法。”研究人员的新计算工具，名为TEXLab，使用机器学习来评估卵巢肿瘤，详细分析四种生物学特征 - 结构，形状，大小，基因组成 - 这对整体生存率有影响。结果产生为放射性预后载体(RPV)评分，其指示疾病的严重性和可能的​​预后。

在报告的试验中，对来自364名EOC患者的术前CT扫描，对657种不同的定量数学描述符进行了软件测试。还评估了一部分患者的蛋白质表达和基因组谱，并分析了来自原发性EOC患者的新鲜冷冻组织样品，以便可获得组织学，蛋白质和基因表达数据以提供RPV结果旁边的背景。

研究结果表明，RPV评分在预测卵巢癌死亡方面的准确度是目前血液检测和其他预后评分的四倍。数据还表明，5%具有高RPV评分的患者的存活率低于2年，而高RPV结果与肿瘤对化疗的抗性和不良手术结果相似。

“值得注意的是，与现有的预后标志物(包括CA125和基于转录组的分子亚型)相比，RPV具有更好的预后能力，并可能与现有的基于CT的形态学方法协同作用，”作者写道。“基于RPV与原发性化疗或手术治疗之间的强烈关联，我们证明高RPV患者具有高质量手术或全身策略失败的风险，并表明他们可能需要针对其他治疗方法。 ”

这些总体数据表明RPV可以代表预测治疗反应的生物标志物，并且可以用于鉴定不太可能从标准疗法中受益并且可能需要替代治疗方法的患者。“人工智能有可能改变医疗保健的方式，改善患者的治疗效果，”研究报告的共同作者，帝国大学医疗保健NHS信托的名誉顾问放射学家Andrea Rockall博士评论说。“我们的软件就是一个例子，我们希望它可以作为一种工具，帮助临床医生如何最好地管理和治疗卵巢癌患者。”

有趣的是，在肿瘤的蛋白质组学，转录组学和遗传学分析的背景下评估RPV数据表明高RPV评分与特定基质表型和DNA损伤反应途径的激活相关，这可能可行地暗示治疗靶标。“总的来说，一方面是基质表型，另一方面是增殖和DNA损伤反应途径，分别在RPV高和RPV低肿瘤中被激活，所有这些都是HGSOC的潜在可行治疗靶点，”研究小组评论说。

“在本研究中，我们获得并分析了一个全面的放射学特征，其中包含总共364个EOC病例的特征 - 这是EOC类型中最大的研究，”该团队总结道。“我们发现了一种新的基于放射免疫学的预后信号RPV，它不仅具有强大的预后能力(HR> 3)，而且与现有的分子谱和预测相关的临床因素相比，也是非侵入性且易于获取的。”

目前正在计划进行更大规模的研究，以了解软件如何准确预测手术结果，以及个体患者对特定治疗的反应。

重要的是，RPV预后模型很简单，只需要患者常规CT扫描的信息，该扫描可立即获得，无需额外费用。研究人员指出，该软件也很快，可以在标准计算机上在5分钟内计算出80个EOC数据集的RPV。

虽然RPV方法的预测能力在两个独立的患者队列中得到验证，但研究人员承认他们的研究在设计上是回顾性的，并且应该进行未来的前瞻性研究或对回顾性随机临床试验数据的分析。然而，他们得出结论：“......我们已经发现并验证了一种新的肿瘤表型和预后的数学描述，令人信服地满足了EOC患者管理中未满足的需求，并证明了一种颠覆性技术为多种患者分类开辟了道路并且快速的患者在护理点进入临床试验。“