新型人工智能工具改变了乳腺癌的治疗方法和预后

新型人工智能工具改变了乳腺癌的治疗方法和预后人工智能工具能够识别出目前被归类为高风险或中度风险但成为长期幸存者的乳腺癌患者。这意味着他们的化疗时间或强度可以缩短。这一点非常重要，因为化疗会带来令人不快的有害副作用，如恶心，或更罕见的对心脏的损害。目前，病理学家通过评估患者组织中的癌细胞来确定治疗方法。但研究显示，非癌细胞的模式对预测结果非常重要。这是第一项使用人工智能对浸润性乳腺癌的癌细胞和非癌细胞进行全面评估的研究。"我们的研究证明了非癌成分在决定患者预后方面的重要性，"该研究的通讯作者、西北大学范伯格医学院病理学副教授李-库珀（LeeCooper）说。"生物学研究已经知道了这些元素的重要性，但这些知识还没有有效地转化到临床应用中"。这项研究将于今天（11月27日）发表在《自然医学》杂志上。2023年，约有30万美国妇女将被诊断为浸润性乳腺癌。大约每八名美国妇女中就有一人在一生中会被诊断出患有乳腺癌。在诊断过程中，病理学家会对癌变组织进行复查，以确定组织的异常程度。这一过程被称为分级，主要针对癌细胞的外观，几十年来基本保持不变。病理学家确定的分级有助于决定患者将接受何种治疗。许多乳腺癌生物学研究表明，非癌细胞，包括免疫系统细胞和为组织提供形态和结构的细胞，在维持或抑制癌症生长方面发挥着重要作用。库珀及其同事建立了一个人工智能模型，从数字图像中评估乳腺癌组织，测量癌细胞和非癌细胞的外观以及它们之间的相互作用。西北大学罗伯特-H-卢里综合癌症中心成员库珀说："病理学家评估这些模式具有挑战性，因为人眼很难对它们进行可靠的分类。人工智能模型测量这些模式，并以一种让病理学家清楚人工智能决策过程的方式向病理学家展示信息"。"人工智能系统分析患者乳腺组织的26种不同属性，生成总体预后评分。该系统还能生成癌细胞、免疫细胞和基质细胞的单项评分，以便向病理学家解释总体评分。例如，对某些患者来说，良好的预后评分可能是由于其免疫细胞的特性，而对另一些患者来说，良好的预后评分可能是由于其癌细胞的特性。病人的护理团队可以利用这些信息制定个性化的治疗方案。采用这种新模型可以为被诊断为乳腺癌的患者提供与其疾病相关的更准确的风险估计，使他们有能力对自己的临床治疗做出明智的决定。此外，该模型还有助于评估治疗反应，根据组织的显微外观随时间的变化情况来升级或降级治疗。例如，该工具也许能识别病人的免疫系统在化疗过程中针对癌症的有效性，从而缩短化疗时间或降低化疗强度。库珀说："我们还希望这种模式能够减少在社区环境中确诊的患者的不平等。这些患者可能无法接触到乳腺癌专科病理学家，而我们的人工智能模型可以帮助全科病理学家评估乳腺癌"。这项研究是与美国癌症协会（ACS）合作进行的，该协会通过癌症预防研究建立了一个独特的乳腺癌患者数据集。该数据集代表了来自美国超过423个县的患者，其中许多人是在社区医疗中心接受诊断或治疗的。这一点非常重要，因为大多数研究通常使用大型学术医疗中心的数据，而这些数据只代表了美国人口的一部分。在这次合作中，西北大学开发了人工智能软件，而美国癌症协会和国家癌症研究所的科学家则提供了乳腺癌流行病学和临床结果方面的专业知识。为了训练人工智能模型，科学家们需要在患者组织的数字图像中生成数十万个由人类生成的细胞和组织结构注释。为此，他们创建了一个由几大洲的医学生和病理学家组成的国际网络。这些志愿者在数年时间里通过网站提供这些数据，使人工智能模型能够可靠地解读乳腺癌组织图像。接下来，科学家们将对这一模型进行前瞻性评估，以验证其临床用途。这与西北医学中心将在未来三年内过渡到使用数字图像进行诊断的时间相吻合。科学家们还在努力开发适用于更多特定类型乳腺癌（如三阴性或HER2阳性）的模型。浸润性乳腺癌包括几种不同的类型，不同类型乳腺癌的重要组织模式可能会有所不同。库珀说："这将提高我们预测结果的能力，并将为乳腺癌的生物学研究提供进一步的见解。"...PC版：https://www.cnbeta.com.tw/articles/soft/1400159.htm手机版：https://m.cnbeta.com.tw/view/1400159.htm

人工智能工具有助于在手术中实时评估脑瘤

人工智能工具有助于在手术中实时评估脑瘤不仅如此，这一过程还依赖于人类观察，即使使用高倍显微镜，也不足以检测微小的基因组变异，从而识别不同肿瘤的侵袭性或被动性。现在，哈佛医学院(HMS)的研究人员借助人工智能模型来协助他们进行这种微妙的评估。该工具被称为冷冻切片组织病理学评估和审查机器（CHARM）对来自1524名神经胶质瘤患者的2334个脑肿瘤样本进行了训练，神经胶质瘤是最常见且最致命的脑癌形式。在测试中，该系统能够解码肿瘤的基因组成，并在肿瘤和周围组织的分子水平上发现突变，准确率高达93%。这意味着在手术过程中，医生可以通过系统输入组织样本，并获得有关神经胶质瘤分子组成的即时反馈。因此，医生可以了解肿瘤的行为、对某些治疗的潜在反应，以及最重要的是其侵袭性。该系统不仅准确，而且速度快，可以在几分钟内为外科医生提供信息，而不是目前此类分析需要几天或几周的时间。例如，如果事实证明肿瘤极具侵袭性，外科医生可能会决定从大脑周围区域切除更多组织，尽管这可能会导致某些认知障碍。如果发现肿瘤生长更缓慢，医生可能会决定采取更保守的手术方法。如果事实证明肿瘤对这种治疗有反应，CHARM的分析还可以帮助医生决定是否在手术期间将药物涂层晶圆植入大脑中。“目前，即使是最先进的临床实践也无法在手术期间对肿瘤进行分子分析。我们的工具通过从冷冻病理切片中提取迄今为止未开发的生物医学信号来克服这一挑战，”HMS研究的资深作者Kun-HsingYu说。“在手术过程中实时确定术中分子诊断的能力可以推动实时精准肿瘤学的发展。”研究人员表示，虽然在这项研究中，CHARM接受了神经胶质瘤的训练，但它也可以接受训练来识别其他形式的脑癌以协助治疗。他们补充说，随着新的癌症研究的展开，该工具也可以而且应该不断更新，就像临床医生需要继续教育才能最有效一样。CHARM现在加入了其他人工智能驱动的癌症识别工作，包括那些可以发现前列腺癌、皮肤癌、乳腺癌、卵巢癌等的癌症识别工作。该研究已发表在《医学》杂志上。...PC版：https://www.cnbeta.com.tw/articles/soft/1369657.htm手机版：https://m.cnbeta.com.tw/view/1369657.htm

新的人工智能模型比以前的方法更准确地预测癌症患者的生存率

新的人工智能模型比以前的方法更准确地预测癌症患者的生存率这是癌症患者确诊后旅程的第一步。该模型能够识别每个病人的独特特征，从而使6个月、36个月和60个月的生存预测的准确率超过80%。这些发现最近发表在《美国医学会杂志》网络版上。"预测癌症生存期是一个重要的因素，可以用来改善癌症护理，"主要作者约翰-乔斯-努涅斯博士说，他是UBC情绪障碍中心和BC癌症的精神病学家和临床研究员。"它可能会建议医疗服务提供者更早地转介到支持服务，或在前期提供一个更积极的治疗方案。我们的希望是，像这样的工具可以用来个性化和优化病人立即接受的护理，使他们获得可能的最佳结果。"传统上，癌症的存活率是回顾性计算的，只按一些通用因素分类，如癌症部位和组织类型。尽管对这些比率很熟悉，但由于影响病人结果的许多复杂因素，肿瘤学家要准确预测个别病人的存活率具有挑战性。努涅斯博士和他的合作者（包括来自不列颠哥伦比亚省癌症协会和不列颠哥伦比亚大学计算机科学和精神病学系的研究人员）开发的模型，能够在病人的初始咨询文件中发现独特的线索，以提供更细致的评估。它还适用于所有癌症，而以前的模型只限于某些癌症类型。"人工智能本质上阅读咨询文件，类似于人类阅读文件的方式，"努涅斯博士说。"这些文件有许多细节，如病人的年龄、癌症的类型、潜在的健康状况、过去的物质使用和家族史。人工智能将所有这些汇集在一起，描绘出一幅更完整的患者结果。"研究人员使用位于不列颠哥伦比亚省的所有癌症中心的47625名患者的数据训练和测试了该模型。为了保护隐私，所有患者的数据都安全地储存在本地，并以匿名方式呈现。与人类研究助理的病历审查不同，新的人工智能方法有一个额外的好处，即保持病人记录的完全保密性。努涅斯博士说："由于该模型是根据不列颠哥伦比亚省的数据训练的，这使它成为预测本省癌症生存率的潜在有力工具。"在未来，该技术可以应用于加拿大和世界各地的癌症诊所。努涅斯博士说："神经NLP模型的伟大之处在于它们是高度可扩展的，可移植的，并且不需要结构化数据集。我们可以使用本地数据快速训练这些模型，以提高在新地区的表现。我怀疑这些模型在世界任何一个病人能够看到肿瘤医生的地方都能提供一个良好的基础"。努涅斯博士是2022/23年UBC精神健康研究所马歇尔奖学金的获得者，也得到了不列颠哥伦比亚省癌症基金会的资金支持。在另一项工作中，努涅斯博士正在研究如何利用先进的人工智能技术为癌症患者提供尽可能好的心理和咨询护理。他设想的未来是，人工智能被整合到卫生系统的许多方面，以改善病人护理。努涅斯博士说："我认为人工智能的作用几乎就像医生的虚拟助手。随着医学越来越先进，有人工智能来帮助整理和理解所有的数据将有助于为医生的决策提供信息。最终，这将有助于改善患者的生活质量和结果。"...PC版：https://www.cnbeta.com.tw/articles/soft/1352495.htm手机版：https://m.cnbeta.com.tw/view/1352495.htm

实验室培育的模型肿瘤可预测特定药物的治疗效果

实验室培育的模型肿瘤可预测特定药物的治疗效果由人类肠癌细胞形成的类器官三维结构。蓝色表示单个细胞的细胞核，绿色表示将每个细胞粘在一起的蛋白质，红色表示癌细胞的方向 。研究人员在实验室中培育肿瘤，以便在肠癌患者开始治疗前准确预测哪些药物对他们有效。WEHI领导的这项世界首创研究发现，在肿瘤器官组织（由患者自身组织培养而成的三维癌症模型）上进行药物测试，可以显示它们对特定癌症治疗的反应。目前正在根据研究结果开展一项临床试验，该试验将首次验证类器官药物测试是指导肠癌患者选择治疗方法的准确方法，肠癌是澳大利亚致死率第二高的癌症。WEHI领导的研究证明，类器官药物测试可以预测晚期肠癌患者对治疗的反应，准确率高达90%。这项研究是世界上首次使用源自患者的肿瘤器官组织来预先测试现有治疗方案的有效性，并为肠癌患者确定潜在的新疗法。根据这项研究成果开展的临床试验将于今年启动，以评估类器官药物测试能否彻底改变癌症患者的治疗方式。肠癌，又称结肠直肠癌，仍然是全球癌症相关死亡的第二大原因。在澳大利亚，肠癌也是第四大确诊癌症。虽然肠癌如果发现得早可以得到成功治疗，但由于缺乏症状，只有不到一半的患者在初期阶段得到诊断。这意味着患者往往在癌症扩散到身体其他部位后才被诊断出来。尽管治疗肠癌的方法越来越多，但目前预测哪种疗法对每位患者最有效的能力却很有限。肿瘤类器官是一种微型三维癌症模型，尺寸只有沙粒大小。肿瘤器官组织是在实验室中根据患者自身的组织样本培育而成的，它能模拟癌症的特征，包括对药物治疗的敏感性。在发表于《细胞报告医学》（CellReportsMedicine）的一项具有里程碑意义的研究中，WEHI的研究人员表明，通过评估肠癌患者的器官组织对特定药物的反应，该技术可以确定对个别肠癌患者最有效的治疗方法。共同首席研究员、肿瘤内科医生彼得-吉布斯教授说，这一发现可以结束目前为患者选择癌症治疗方法的试验和错误过程，并改善他们的生活质量。"吉布斯教授同时也是WEHI实验室的负责人，他说："每次给病人提供无效的治疗，都会让病人损失2-3个月的时间。成功治疗的窗口往往是有限的，因此我们必须选择成功几率最高的方案，避免其他不太可能奏效的治疗方法。我们的研究结果表明，类器官药物测试有可能改变癌症治疗的游戏规则，通过改进治疗选择，有可能彻底改变个性化医疗和临床医生与患者之间的护理"。由于可以从一个患者组织样本中培育出数百个器官组织，因此可以在实验室中测试各种不同的治疗方案。"许多晚期肠癌患者只有一到两次治疗机会。在开始治疗前了解什么方法最有可能奏效，将对他们的生存结果和生活质量产生重大影响，"吉布斯教授说。左起：彼得-吉布斯教授、奥利弗-西伯副教授和谭涛博士。作为研究的一部分，30名肠癌晚期患者的器官组织被用于在临床可行性试验中对化疗药物进行预试验。该研究的通讯作者、WEHI实验室主任奥利弗-希伯（OliverSieber）副教授说，看到这项研究取得令人鼓舞的成果，对团队来说是一个突破性的时刻，验证了团队五年多来的研究成果。"西伯副教授说："如果一种药物对肿瘤类器官没有作用，那么这种治疗对病人也没有作用，反之亦然。我们的研究表明，类器官药物检测能够预测研究患者的治疗反应，准确率高达83%。重要的是，预先测试显示出无效疗法的准确率超过90%"。研究人员还利用有机体来测试不常用于肠癌患者的化疗药物的有效性。他们发现两名患者的器官组织对一种常用于治疗乳腺癌和膀胱癌的药物很敏感。"我们不仅首次证明了类器官药物试验可以预测患者对肠癌治疗的反应，而且还在试验中为患者找到了新的治疗方案。这就是这项令人难以置信的技术的力量"。一名研究人员手持装有实验室培育的器官组织的托盘，器官组织只有沙粒大小。合作试验这项研究的第一作者陶坦（TaoTan）博士正在将研究成果转化为临床试验，今年将在维多利亚州的多家医院展开。这项研究将由澳大利亚癌症协会和斯塔福德-福克斯医学研究基金会（StaffordFoxMedicalResearchFoundation）资助，研究人员希望招募最近被诊断出患有肠癌的患者，以评估他们的肿瘤器官组织能否准确预测个人对治疗的反应。这项题为"基于患者衍生肿瘤类器官的转移性结直肠癌标准疗法预测性测试统一框架"的研究发表在《细胞报告医学》（CellReportsMedicine）上。这项研究得到了澳大利亚胃肠道试验小组（AGITG）、斯塔福德-福克斯医学研究基金会、澳大利亚癌症协会、北京基因组研究所、维多利亚州癌症理事会维多利亚州癌症生物库和维多利亚州政府的支持。...PC版：https://www.cnbeta.com.tw/articles/soft/1415801.htm手机版：https://m.cnbeta.com.tw/view/1415801.htm

治疗顽固性癌症的日用强效片剂divarasib可产生62.5%的有效反应

治疗顽固性癌症的日用强效片剂divarasib可产生62.5%的有效反应图解癌细胞内的KRAS-G12C蛋白，以及divarasib如何靶向KRAS-G12C蛋白在澳大利亚彼得-麦克卡勒姆癌症中心（PeterMacCallumCancerCenter）进行的首次试验中，仅接受divarasib治疗的CRC患者就有35.9%的有效反应率，这被认为是非常有希望的。KRAS是一种调节癌细胞行为的关键蛋白质。对于KRASG12C基因突变的癌症患者来说，他们的癌细胞更容易不受控制地分裂并形成肿瘤，这使得用现有药物治疗这种疾病变得非常困难。因此，尽管约有4%的癌症患者会受到KRASG12C基因突变的影响，但其预后却很差。彼得-麦克卡勒姆癌症中心的杰耶什-德赛教授领导的最新研究表明，与西妥昔单抗联合使用时，divarasib可以靶向这种突变，有效延缓肿瘤的发展，而且耐受性好，不良反应少。德赛说："研究中患者的无进展生存期中位数略高于8个月，治疗耐受性良好，副作用可控。虽然这不是一项头对头试验，但其反应率要好于我们所看到的其他针对KRASG12C突变途径的治疗方法。我们非常希望divarasib与西妥昔单抗的联合治疗能为我们的结直肠癌患者带来更好的治疗效果。"虽然KRASG12C突变可能与结直肠癌的关系最为密切，但它在其他癌症的加速进展中也起着关键作用，如非小细胞肺癌（约13%的患者可检测到）。目前对KRASG12C阳性CRC患者的治疗包括以5-FU为基础的伊立替康、奥沙利铂和/或卡培他滨化疗，但由于对特定肿瘤的靶向性低和毒性大，这种治疗方法面临着局限性。今年早些时候，癌症中心开始对137名癌症患者进行divarasib治疗的全球I期试验。研究发现，与目前用于治疗KRAS突变的其他类似药物相比，该药物的特异性提高了50倍，药效提高了20倍。德赛在8月份说："我们花了多年时间进行研究，以便更透彻地了解如何靶向KRAS突变，并完善科学，从而开发出药效更强的分子。这种每日一次的片剂治疗是真正的精准医疗，专门针对驱动癌症的基因突变。"这项研究发表在《自然-医学》（NatureMedicine）杂志上。...PC版：https://www.cnbeta.com.tw/articles/soft/1402457.htm手机版：https://m.cnbeta.com.tw/view/1402457.htm

科学家发现战胜肠癌的"路线图" 这在世界上尚属首次

科学家发现战胜肠癌的"路线图"这在世界上尚属首次这一发现有助于大大改善患者的治疗效果和提高癌症患者的存活率图/奥利维亚-纽顿-约翰癌症研究所这种癌症也很难治疗，只有10%的患者对目前的免疫疗法有反应。这就意味着治疗方法通常是手术，切除所有癌组织。因此，虽然手术可以提高存活率，但对患者的生活质量影响巨大。现在，澳大利亚拉筹伯大学奥利维亚-纽顿-约翰癌症研究所的研究人员发现，病人对癌症的反应取决于大肠中一组免疫细胞的有效性。奥利维亚-纽顿-约翰癌症研究所粘膜免疫与癌症实验室主任、首席研究员丽莎-米尔克博士说："γ-δT细胞是我们肠道中的前线卫士。这些免疫细胞的非凡之处在于，它们不断巡逻和保护肠道内壁的上皮细胞，充当抵御潜在癌症威胁的战士。当我们分析肠癌患者样本时，我们发现当肿瘤中存在更多的γ-δT细胞时，据报道这些患者的治疗效果更好，生存率更高。"然而，这只是故事的一半。通过观察大肠中的整个微生物组，研究人员还发现γ-δT细胞上的分子转录因子1（TCF-1）浓度要高得多。T细胞特异性TCF-1也是T细胞发育和功能的核心调节因子。"我们发现，与肠道其他区域相比，大肠微生物群的数量和多样性导致γ-δT细胞上一种名为TCF-1的分子浓度更高，"该研究的主要合著者玛丽娜-雅库（MarinaYakou）说。"这种分子会抑制我们的天然免疫反应--γ-δT细胞--对抗肠癌。当我们利用临床前模型删除γ-δT细胞中的TCF-1时，这从根本上改变了这些免疫细胞的行为，我们看到肠癌肿瘤的体积显著缩小。我们在世界上首次取得的研究突破为开发靶向联合免疫疗法铺平了新的道路，从而更有效地治疗肠癌患者。"这项研究在了解复杂的微生物组以及免疫细胞和肠道如何共同发挥作用方面迈出了令人兴奋的一步，在新的癌症筛查和更好的治疗方面具有巨大潜力，既能改善肠癌风险，又能提高治疗效果。这项研究发表在《科学免疫学》（ScienceImmunology）杂志上。关于这项发现的更多信息，科学家们在下面的视频中介绍了他们的研究成果。LisaMielke博士，ONJCRI，最新肠癌研究...PC版：https://www.cnbeta.com.tw/articles/soft/1388879.htm手机版：https://m.cnbeta.com.tw/view/1388879.htm