使用人工智能预测反应免疫疗法

发表在《柳叶刀》杂志上的一项研究肿瘤首次建立了人工智能可以处理医学图像提取生物和临床信息。通过设计一个算法,开发分析CT扫描图像,医学研究人员在古斯塔夫Roussy CentraleSupelec, Inserm,因为大学和TheraPanacea(剥离CentraleSupelec oncology-radiotherapy专门从事人工智能和精密医学)已经创建了一个所谓radiomic签名。这个签名定义了肿瘤的淋巴细胞浸润程度和提供了一个预测病人的免疫疗法的疗效。

在未来,医生可能会因此可以使用成像识别生物现象在肿瘤位于身体的任何部分,而无需进行活检。

到目前为止,没有标记可以准确地识别这些患者将应对anti-PD-1 / PD-L1免疫疗法的情况只有15 - 30%的病人应对这样的待遇。众所周知,丰富的肿瘤环境免疫(存在淋巴细胞)的机会就越大,免疫疗法将是有效的,所以研究人员一直试图描述这种环境下使用成像和关联与病人的临床反应。这样的目标是radiomic签名设计和验证的研究发表在《柳叶刀肿瘤学。

在这个回顾性研究,radiomic签名被捕,500年开发和验证固体肿瘤患者(所有网站)从四个独立的群体。验证基因上,经病理和临床,使它特别强劲。

使用一个基于机器学习的方法,团队首先教算法使用相关信息提取CT扫描的患者参与MOSCATO *研究,也举行了肿瘤基因组数据。因此,完全基于图像,该算法学会预测基因组可能揭示了肿瘤免疫渗透,特别是对细胞毒性t淋巴球的存在(CD8)的肿瘤,它建立了一个radiomic签名。

这个签名测试和验证在不同群体包括TCGA(癌症基因组图谱)因此显示成像可以预测生物现象,提供了一个评估肿瘤的免疫渗透的程度。

然后,测试的适用性这个签名在实际情况和相关免疫疗法的疗效,这是评估使用CT扫描开始之前进行治疗的病人参与5 anti-PD-1 / PD-L1免疫治疗的第一阶段试验。发现免疫疗法的病人是有效的radiomic得分较高的3和6个月这是更好的生存。

下一个临床研究将评估签名回顾性和前瞻性,将使用大量的病人和分层他们根据癌症类型以完善签名。

这也将采用更复杂的自动学习和人工智能算法来预测患者对免疫疗法。为此,研究人员打算集成成像的数据,分子生物学和组织分析。这是古斯塔夫Roussy之间协作的目的,由大学,因为CentraleSupelec TheraPanacea识别这些患者最可能的应对治疗,提高治疗的效果/成本比。

这篇文章被转载材料所提供的古斯塔夫Roussy。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。

参考:太阳,R。Limkin, e . J。Vakalopoulou, M。Dercle, L。、Champiat年代。,汉族,s R。,…Ferte, c (2018)。radiomics方法评估tumour-infiltrating CD8细胞和响应anti-PD-1或anti-PD-L1免疫疗法:一个成像生物标志物,回顾性multicohort研究。柳叶刀肿瘤学,0 (0)。https://doi.org/10.1016/s1470 - 2045 (18) 30413 - 3