凯斯西储大学：使用人工智能确定免疫疗法是否有效

图片来源：凯斯西储大学免疫检查点抑制剂治疗前后的CT放射线模式差异的说明，同样发现在诊断活检中，在无反应者中肿瘤浸润淋巴细胞的密度高于无反应者。

凯斯西储大学数字成像实验室的科学家们已经率先使用人工智能(AI)来预测化学疗法是否会成功，目前还可以确定哪些肺癌患者将从昂贵的免疫疗法中受益。

“这并不是一时兴起。这项研究似乎确实反映出该疾病的生物学特性，即更具侵略性的表型，而这是肿瘤学家目前所没有的信息，” AnantMadabhushi表示。通过结合医学成像，机器学习和AI技术，计算成像和个性化诊断(CCIPD)已成为检测，诊断和表征各种癌症和其他疾病的全球领导者。

目前，只有大约20%的癌症患者实际上会从免疫疗法中受益，这与化学疗法的不同之处在于，它使用药物来帮助免疫系统抵抗癌症，而化学疗法则使用药物直接杀死癌细胞。

Madabhushi说，他的实验室最近将帮助肿瘤学家了解哪些患者将从该疗法中真正受益，而哪些患者则不会。

Madabhushi说：“尽管免疫疗法改变了整个癌症生态系统，但它仍然非常昂贵，每位患者每年约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一年内失去了生命。”

他补充说，如果有一个基于他的实验室正在完成的研究的工具，将有助于“更好地匹配哪些患者会对免疫疗法产生反应，而不是花掉80万美元。”

新研究发表

由共同作者MohammadhadiKhorrami和PrateekPrasanna以及Madabhushi和来自六个不同机构的10个其他合作者(参见下面的列表)领导的这项新研究已于本月发表在《癌症免疫学研究》杂志上。

CCIPD的一名研究生Khorrami说，这项研究中最重要的进步之一就是计算机程序能够记录给定病变的纹理，体积和形状的变化，而不仅仅是大小。

“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做出反应时，通常取决于病变的大小，” Khorrami说。“我们发现组织的变化是治疗是否有效的更好预测指标。

“例如，有时结节在治疗后可能会出现更大的结节，这是由于另一个原因，例如肿瘤内的血管破裂，但这种治疗实际上是有效的。”

Madabhushi实验室的博士后研究助理Prasanna表示，在两个不同部位和三种不同类型的免疫治疗剂治疗的患者的扫描结果一致。

他说：“这证明了该计划的基本价值，即我们的机器学习模型可以预测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，最初的研究使用了来自50位患者的CT扫描来训练计算机，并创建一种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和不同免疫疗法药物获得的病例进行测试。这项研究最近还获得了ASCO 2019征服癌症基金会优异奖。

Madabhushi说，研究人员能够证明，CT扫描上与治疗阳性反应以及患者总体存活率最相关的模式后来也被发现与原始诊断活检组织中免疫细胞的排列密切相关。这表明那些CT扫描实际上似乎捕获了肿瘤引发的针对癌症侵袭的免疫反应，而那些免疫反应最强的CT扫描显示出最明显的组织改变，最重要的是，对免疫疗法的反应最好。

Madabhushi于2012年在Case Western Reserve建立了CCIPD实验室，目前拥有近60名研究人员。该实验室与纽约大学和耶鲁大学合作的一些最新工作已使用AI根据组织幻灯片图像预测哪些肺癌患者将从辅助化疗中受益，该成果被《预防杂志》(Prevention Magazine)评为2018年十大医学突破之一。