卵巢癌：人工智能预测治疗反应

卵巢癌：人工智能预测治疗反应

基于人工智能的模型能够预测 80% 卵巢癌患者的治疗结果（通过肿瘤病灶的体积缩小来衡量）。基于人工智能的模型具有80%的准确率，明显优于目前的临床方法。

该工具名为IRON（卵巢新辅助治疗综合放射基因组学），可分析各种患者临床特征，从血液中循环的肿瘤DNA（液体活检）到一般特征（年龄、健康状况等）、肿瘤标志物和通过CT扫描获得的疾病图像。基于此分析，它提供了对治疗成功可能性的预测。

这一成就源于最近发表在《自然通讯》上的一项研究，该研究对134名高级别卵巢癌患者进行了研究。该研究由天主教大学医学与外科学院诊断成像和放射治疗系主任、Policlinico Universitario A. Gemelli IRCCS 高级放射学中心主任 Evis Sala 教授协调。人工智能模型最初是由剑桥大学萨拉教授的团队开发的。

在意大利，卵巢癌每年影响超过5000名女性，此外还有3000名已经接受诊断的患者。由于缺乏特异性的早期症状，诊断通常发生在疾病的晚期。高级别浆液性卵巢癌占卵巢肿瘤的 70-80%，具有特别的侵袭性，并且经常对化疗耐药。目前，对这类肿瘤的治疗反应预测准确率仅为50%。

此外，由于其高度异质性，这种癌症几乎没有临床上有用的生物标志物，因患者而异。这导致了一种基于人工智能的工具的开发，能够准确预测化疗反应者。

研究

“我们编制了两个独立的数据集，共有134名患者（第一个数据集中有92个病例，第二个独立测试集中有42个病例），”来自剑桥的Sala教授和Mireia Crispin Ortuzar博士解释说。对于所有患者，临床医生收集了临床数据，包括人口统计信息和治疗细节，以及血液生物标志物，如CA-125和循环肿瘤DNA（ctDNA）。还获得了从所有原发性和转移性肿瘤部位的 CT 扫描图像得出的肿瘤定量特征。

网膜和盆腔/卵巢位置（卵巢癌扩散常见）最初占疾病负担的大部分。与盆腔疾病相比，网膜沉积物对新辅助治疗的反应明显更好。肿瘤突变（例如，在循环 DNA 上评估的 TP53 MAF）和标志物 CA-125 与治疗前的总体疾病负担和治疗反应相关。

此外，对 CT 扫描图像的高级分析揭示了六个具有不同生物学和临床特征的患者亚组，表明了治疗反应。所有这些肿瘤特征都被用作人工智能算法的输入数据，这些算法共同构成了该工具。然后对开发的模型进行训练，并在独立的患者样本上验证其有效性。

“从临床角度来看，拟议的框架解决了未满足的需求，即识别不太可能对新辅助治疗有反应的患者，并可能立即进行手术干预，”Sala教授强调。

“该工具可用于在Policlinico Gemelli与Giovanni Scambia教授的团队合作，在Policlinico Gemelli进行的未来临床研究中对每个患者的风险进行分层，Giovanni Scambia教授是天主教大学医学和外科学院妇产科主任，也是Policlinico Universitario Agostino Gemelli IRCCS基金会的科学主任，”Sala教授总结道。