LancetOncol人工智能幫助預測癌癥患者接受免疫治療的效果

　　發表在《Lancet Oncology》上的一項研究首次證實，人工智能可以處理醫學圖像以提取生物學和臨床信息。通過設計算法并將其開發用于分析CT掃描圖像作者等人創建了一個所謂的放射學特征。該特征定義了腫瘤的淋巴細胞浸潤水平，并提供了患者免疫治療功效的預測評分。

　　將來，醫生可能因此能夠使用成像來識別位于身體任何部位的腫瘤中的生物現象，而無需進行活組織檢查。

　（圖片來源：www.pixabay.com）

　　到目前為止，沒有標記可以準確地識別那些對PD-1 / PD-L1免疫治療有反應的患者，在這種情況下，只有15％至30％的患者對此類治療有反應。眾所周知，腫瘤環境中免疫細胞更豐富（淋巴細胞的存在），免疫療法有效的可能性越大，因此研究人員試圖通過成像來表征這種環境并將其與患者的臨床反應相關聯。

　　在這項回顧性研究中，作者在500名實體瘤患者（所有部位）中捕獲，開發和驗證了放射學特征，并且在基因組學，組織學和臨床上得到了驗證。

　　使用基于機器學習的方法，該團隊首先教授該算法，以使用參與研究的患者的CT掃描中提取的相關信息，該研究還包含腫瘤基因組數據。因此，僅基于圖像，該算法學習預測基因組可能揭示的關于腫瘤免疫浸潤的內容，特別是關于腫瘤中細胞毒性T淋巴細胞（CD8）的存在，并且其建立了放射性組織特征。

　　然后，為了測試該特征在實際情況下的適用性并將其與免疫療法的功效相關聯，在參與抗PD-1 / PD的I期試驗的患者中，在治療開始之前進行CT掃描來評估該特征。結果發現，3個月和6個月免疫治療有效的患者的放射學評分較高，總體生存率較高。