利用人工智能预防免疫治疗造成的伤害
凯斯西储大学的研究人员使用人工智能(AI)分析简单的组织扫描，表示他们已经发现了生物标志物，可以告诉医生哪些肺癌患者实际上可能会因免疫治疗而恶化。
直到最近，研究人员和肿瘤学家才将这些肺癌患者分为两大类:从免疫治疗中受益的人，和可能不会受益的人。
但是第三类被称为超进展的患者已经开始出现，他们实际上会受到免疫治疗的伤害，包括治疗后的寿命缩短，普Pranjal Vaidya说生物医学工程他是该大学计算成像和个性化诊断中心(CCIPD)的研究员。
“这是一个重要的患者子集，他们应该完全避免免疫治疗，”Vaidya说，他是2020年一篇论文的第一作者，在《柳叶刀》上宣布了这一发现癌症免疫治疗杂志．“最终，我们希望将其整合到临床环境中，这样医生就能掌握为每个患者打电话所需的所有信息。”
正在进行的免疫疗法研究
目前只有20%癌症患者免疫疗法与化疗的不同之处在于它使用药物来帮助免疫系统对抗癌症而化疗则使用药物直接杀伤癌症细胞美国国家癌症研究所的数据显示。
CCIPD由唐纳生物医学工程研究所教授Anant Madabhushi领导，通过将医学成像、机器学习和人工智能相结合，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。
这项新工作是在CCIPD科学家最近的其他研究之后进行的，该研究证明了人工智能和机器学习可以用来预测哪一个肺癌症患者将受益于免疫疗法。
在这项研究和之前的研究中，来自凯斯西储大学和克利夫兰诊所的科学家们基本上教计算机在肺癌首次诊断时寻找和识别CT扫描的模式，以揭示如果在治疗前就知道可能有用的信息。
虽然许多癌症患者受益于免疫疗法，但研究人员正在寻找一种更好的方法来确定哪些人最有可能对这些治疗有反应。
该研究的资深作者Madabhushi说:“这是一个重要的发现，因为它表明常规CT扫描的放射学模式能够识别接受免疫治疗的肺癌患者的三种反应——有反应者、无反应者和超进展者。”
“目前还没有经过验证的生物标记物来区分这部分高风险患者，他们不仅不能从免疫治疗中受益，而且实际上可能会在治疗后迅速加速疾病的发展，”普拉德尼亚·帕蒂尔(Pradnya Patil)医学博士说，他是克利夫兰诊所陶西格癌症研究所的副研究员，也是该研究的作者。
帕蒂尔说:“分析治疗前常规扫描的放射学特征可以提供一种非侵入性的方法来识别这些患者。”“这可能被证明是治疗临床医生的宝贵工具，同时为晚期非小细胞肺癌患者确定最佳的全身治疗方法。”
肿瘤外的信息
与CCIPD之前的其他癌症研究一样，科学家们再次发现了一些最重要的线索，表明哪些患者会在肿瘤外受到免疫治疗的伤害。
Vaidya说:“我们注意到肿瘤外部的放射学特征比肿瘤内部的放射学特征更具有预测性，而且肿瘤周围血管的变化也更具有预测性。”
这项最新的研究收集了109名非糖尿病患者的数据小细胞肺癌被治疗免疫疗法她说。
进一步探索
