这是发表在杂志上的一项研究的结果自然通讯由罗马天主教大学的Evis Sala教授和polilinico A. Gemelli IRCCS共同设计和共同监督。

基于人工智能的模型能够预测80%的卵巢癌患者的治疗结果(通过肿瘤病变的体积缩小来测量)。基于人工智能的模型准确率为80%，明显优于目前的临床方法。

IRON:预测肿瘤学的前沿

该工具名为IRON (Integrated radigenomics for Ovarian Neoadjuvant therapy)，用于分析患者的各种临床特征，从血液中的循环肿瘤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。基于这一分析，它提供了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Evis Sala教授协调，Evis Sala教授是天主教大学医学和外科学院诊断成像和放疗系主任，也是Policlinico Universitario A. Gemelli IRCCS高级放射学中心主任。这个人工智能模型最初是由剑桥大学的萨拉教授团队开发的。

卵巢癌诊断和治疗的挑战

在意大利，每年有超过5000名女性患卵巢癌，另外还有3万名已经被诊断出患有卵巢癌的患者。由于缺乏具体的早期症状，诊断往往发生在疾病的晚期。高级别浆液性卵巢癌，占卵巢肿瘤的70-80%，具有很强的侵袭性，经常对化疗产生耐药性。目前，这类肿瘤的治疗反应预测准确率只有50%。

此外，由于这种类型的癌症具有高度异质性，患者之间存在显著差异，因此临床上很少有有用的生物标志物。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。

生物标志物与人工智能在人体中的作用癌症护理化

剑桥大学的Sala教授和Mireia Crispin Ortuzar博士解释说:“我们编制了两个独立的数据集，共有134名患者(第一个数据集有92例，第二个独立测试集有42例)。”对于所有患者，临床医生收集临床数据，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)。从所有原发和转移肿瘤部位的CT扫描图像中获得肿瘤的定量特征。

网膜和盆腔/卵巢部位(卵巢癌扩散的常见部位)最初代表了大部分疾病负担。与盆腔疾病相比，网膜沉积对新辅助治疗的反应明显更好。肿瘤突变(例如，通过循环DNA评估TP53 MAF)和标记物CA-125与治疗前的总体疾病负担和治疗反应相关。

此外，CT扫描图像的高级分析显示，6个患者亚组具有不同的生物学和临床特征，表明治疗反应。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。

未来发展方向:铁模型的临床应用

Sala教授强调:“从临床角度来看，提出的框架解决了未满足的需求，即早期识别不太可能对新辅助治疗有反应的患者，并可能直接进行立即手术干预。”

Sala教授总结道:“该工具可用于在未来的临床研究中对每个患者的风险进行分层，该研究是与天主教大学医学和外科学院妇产科主席Giovanni Scambia教授的团队合作进行的，他是Policlinico Universitario Agostino Gemelli IRCCS基金会的科学主任。”

参考:Mireia Crispin-Ortuzar、Ramona Woitek、Marika A. V. Reinius、Elizabeth Moore、Lucian Beer、Vlad Bura、Leonardo Rundo、Cathal McCague、Stephan Ursprung、Lorena Escudero Sanchez、Paula Martin-Gonzalez、Florent Mouliere、Dineika Chandrananda、James Morris、Teodora Goranova、Anna M. Piskorz、Naveena Singh、Anju Sahdev、Roxana Pintican、Marta Zerunian、Nitzan Rosenfeld、Helen Addley、Mercedes Jimenez-Linan, Florian Markowetz, Evis Sala和James D. Brenton, 2023年10月24日，《自然通讯》。DOI: 10.1038/s41467-023-41820-7SHARE TWEET REDDIT电子邮件共享

更多关于sciitechdaily

健康

---

健康

---

健康

---

科学

---

健康

---

健康

---

健康

---

物理

---