利用人工智能来确定免疫疗法是否有效

凯斯西储大学数字成像实验室的科学家已经率先使用人工智能(AI)来预测化疗是否成功，现在他们可以确定哪些肺癌患者将受益于昂贵的免疫疗法。

而且，他们再次通过教计算机在肺部CT扫描中发现以前未见过的变化癌症第一次诊断与前2-3个周期后的扫描相比免疫疗法治疗。而且，和之前的工作一样，这些变化在肿瘤内部和外部都被发现，这是该实验室最近研究的一个特征。

Anant Madabhushi说:“这不是泛泛之光，这项研究似乎真的反映了这种疾病的生物学特性，这是一种更具侵略性的表型，而这是肿瘤学家目前没有的信息。”Anant Madabhushi的计算成像和个性化诊断中心(CCIPD)通过融合医学成像、机器学习和人工智能，已经成为各种癌症和其他疾病检测、诊断和表征的全球领导者。

根据美国国家癌症研究所(National cancer Institute)的数据，目前，只有大约20%的癌症患者会从免疫疗法中受益，免疫疗法与化疗的不同之处在于，它使用药物来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。

Madabhushi说，他的实验室最近的工作将帮助肿瘤学家了解哪些患者实际上会从治疗中受益，哪些患者不会。

Madabhushi说:“尽管免疫疗法已经改变了整个癌症生态系统，但它仍然非常昂贵——每个病人每年大约20万美元。”“这是癌症带来的经济毒性的一部分，导致大约42%的新诊断出的癌症患者在诊断后的一年内失去了一生的积蓄。”

他补充说，拥有一种基于他的实验室目前正在进行的研究的工具，将对“更好地匹配哪些患者对免疫疗法有反应，而不是把80万美元浪费掉”大有帮助。他指的是五分之四的患者不会受益，再乘以每年的估计成本。

新研究发表

这项新研究由共同作者Mohammadhadi Khorrami和Prateek Prasanna，以及Madabhushi和来自六个不同机构的其他10名合作者(见下面的列表)领导，于本月发表在该杂志上癌症免疫学研究．

在CCIPD工作的研究生Khorrami说，这项研究中更重要的进步之一是计算机程序能够记录特定病变的质地、体积和形状的变化，而不仅仅是它的大小。

“这很重要，因为当医生仅根据CT图像来决定患者是否对治疗有反应时，通常是基于病变的大小，”Khorrami说。“我们发现，质地的变化是一个更好的预测疗法是否有效的指标。

“例如，有时由于其他原因，比如肿瘤内部血管破裂，治疗后结节可能会显得更大，但治疗实际上是有效的。现在，我们有办法知道这一点。”

Madabhushi实验室的博士后研究助理Prasanna说，这项研究还表明，在两个不同的地方和三种不同类型的免疫疗法治疗的患者的扫描结果是一致的。

他说:“这证明了该项目的基本价值，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，最初的研究使用了50名患者的CT扫描来训练计算机，并创建了一个数学算法来识别病变的变化。他说，下一步将是对从其他地点获得的病例和不同的免疫疗法进行测试。这项研究最近获得了ASCO 2019征服癌症基金会优秀奖。

此外，Madabhushi说，研究人员能够证明，与治疗积极反应和患者总体生存最相关的CT扫描模式，后来也发现与这些患者原始诊断活检上的免疫细胞排列密切相关。

他说，这表明这些CT扫描实际上似乎捕捉到了肿瘤引发的对抗癌症入侵的免疫反应——免疫反应最强的肿瘤显示出最显著的结构变化，最重要的是，对免疫治疗的反应最好。

Madabhushi于2012年在凯斯西储建立了CCIPD。该实验室现在有近60名研究人员。

该实验室最近的一些工作是与纽约大学和耶鲁大学合作，利用人工智能根据组织切片图像预测哪些肺癌患者将受益于辅助化疗。这一进展被《预防》杂志评为2018年十大医学突破之一。

---

---