研究人员开发工具来更好地预测肺癌的治疗过程

肺癌患者的个性化治疗方案在过去的二十年中已经走过了很长的路要走。对于非小细胞肺癌的患者，肺癌最常见的亚型和全球癌症相关死亡的主要原因，出现了两种主要治疗策略：酪氨酸激酶抑制剂和免疫检查点抑制剂。然而，选择非小细胞肺癌患者的正确疗法并不总是一种简单的决定，因为生物标志物可以在治疗过程中改变治疗无效。Moffitt癌症中心研究人员正在开发非侵入性，准确的方法，用于分析患者的肿瘤突变和生物标志物以确定最佳治疗过程。

在发表的新文章中自然通信，研究团队展示了如何深度学习模式使用正电子发射断层扫描/计算机断层扫描射频可以识别哪种非小细胞肺癌症患者可能对酪氨酸激酶抑制剂治疗和那些将受益于免疫检查点抑制剂治疗敏感。该模型使用PET/CT成像与放射性示踪剂18f -氟脱氧葡萄糖(一种糖分子)。用18F-FDG PET/CT成像可以精确定位糖代谢异常的部位，并帮助准确诊断肿瘤。

18F-FDG PET/CT被广泛应用于非小细胞肺癌患者的分期。所使用的葡萄糖示踪剂也会受到表皮生长因子受体激活和炎症的影响，”Matthew Schabath博士说。“表皮生长因子受体,或表皮生长因子受体，是一种常见的突变，在非小细胞肺癌耐心。EGFR突变状态可以是治疗的预测因子，因为活性EGFR突变的患者对酪氨酸激酶抑制剂治疗具有更好的反应。“

对于该研究，Moffitt团队使用来自非小型电池的回顾性数据开发了一个18F-FDG的PET / CT基础深度学习模型肺癌患者在中国的两个机构:上海肺科医院和河北医科大学第四医院。该模型通过为每个患者生成EGFR深度学习评分来对EGFR突变状态进行分类。该模型创建后，研究人员利用来自另外两个机构的患者数据进一步验证了该模型:哈尔滨医科大学第四医院和莫菲特癌症中心。

“先前的研究已经利用了射致作为预测EGFR突变的非侵入性的方法，”魏穆，博士学位说，癌症生理署的第一作者和博士后研究员。“然而，与其他研究相比，我们的分析在预测EGFR的最高精度中产生了最高准确性，并且具有许多优点，包括培训，验证和测试与四个机构的多个队列的深度学习评分，这增加了其普遍性。”

“我们发现，EGFR深度学习评分与接受治疗的患者更长时间的无进展生存呈正相关酪氨酸激酶抑制剂，与免疫检查点抑制剂免疫治疗的患者治疗患者的耐用临床效益和较长的进展生存，罗伯特·吉尔斯，博士学位，培养的临床，博尔西尔，博士学位，博尔西尔，博士生，博士生，博士生，博士生，博尔斯科，博士学位，博尔··罗伯斯，博士生，博士生，博士生，博士生，博士生，博士生，博士生，博士生，博士学位，罗伯里斯，博士生理学部门。“我们想进行进一步的研究，却认为进一步的研究，但相信该模型可以作为不同治疗的临床决策支持工具。“

---

---