中新网4月7日获悉，对于困扰临床许久的三阴性乳腺癌患者化疗耐药难题，中国医学专家终于找到耐药“元凶”和作用机制。复旦大学附属肿瘤

中新网4月7日获悉，对于困扰临床许久的三阴性乳腺癌患者化疗耐药难题，中国医学专家终于找到耐药“元凶”和作用机制。复旦大学附属肿瘤医院大内科主任王红霞教授领衔课题组在肿瘤微环境中鉴定出一种成纤维细胞耐药新亚群，与化疗失效密切相关。基于这一重大发现，团队开发了靶向相关信号的联合治疗策略，破解患者化疗耐药难题。据悉，最新一期Science子刊ScienceTranslationalMedicine刊登了中国专家的这项研究成果。

我科学家研发 AI 系统预测乳腺癌新辅助治疗疗效

我科学家研发AI系统预测乳腺癌新辅助治疗疗效据广东省人民医院消息，该院乳腺肿瘤科王坤教授牵头研发出一个无创人工智能系统，可早期预测乳腺癌新辅助化疗后残余肿瘤的负荷。近日，该研究系统被国际期刊《外科学年鉴》收录。目前，残余肿瘤负荷（RCB）分级已成为公认的乳腺癌新辅助治疗疗效评估标准之一。该标准通过测量患者新辅助化疗后的原发癌灶范围、癌细胞密度、阳性淋巴结数量、淋巴结癌灶最大径等参数，来综合评估患者的治疗反应。

AI可以预测乳腺癌化疗的效果 带来最佳的个性化治疗手段

AI可以预测乳腺癌化疗的效果带来最佳的个性化治疗手段"现在确定一个特定的乳腺癌患者的正确治疗方法是非常困难的，关键是要避免使用不太可能对该患者有真正好处的治疗方法而产生不必要的副作用，"系统设计工程教授黄说。"一个能够帮助预测病人是否可能对某一特定的治疗方法有良好反应的人工智能系统给医生提供了所需的工具，为病人开出最佳的个性化治疗方法，以改善康复和生存。"在视觉和图像处理（VIP）实验室的研究生AmyTai领导的项目中，人工智能软件通过使用由Wong和他的团队发明的一种新的磁图像共振模式（称为合成相关扩散成像（CDI））制作的乳腺癌图像进行训练。利用从旧乳腺癌病例的CDI图像中收集到的知识和关于其结果的信息，人工智能可以根据新患者的CDI图像预测术前化疗是否会受益。被称为新辅助化疗，手术前的治疗可以缩小肿瘤，使手术成为可能或更容易，并减少对乳房切除术等重大手术的需求。"我对这项技术相当乐观，因为深度学习人工智能有可能看到并发现与病人是否将从特定治疗中受益有关的模式，"VIP实验室主任、加拿大人工智能和医学成像研究主席黄说。关于该项目的一篇论文"Cancer-NetBCa:BreastCancerPathologicCompleteResponsePredictionusingVolumetricDeepRadiomicFeaturesfromSyntheticCorrelatedDiffusionImaging"最近在Med-NeurIPS上发表，作为NeurIPS2022的一部分，这是一个关于人工智能的重要国际会议。新的人工智能算法和完整的乳腺癌CDI图像数据集已通过Cancer-Net倡议公开提供，以便其他研究人员能够帮助推进这一领域。...PC版：https://www.cnbeta.com.tw/articles/soft/1344919.htm手机版：https://m.cnbeta.com.tw/view/1344919.htm

澳大研究助抑制乳腺癌转移

澳大研究助抑制乳腺癌转移#澳门大学澳门大学健康科学学院副教授徐晓玲的研究团队在研究乳腺癌转移上取得了重大进展。团队使用全基因组敲除文库技术，通过细胞和动物模型验证方式，确定了乳腺癌转移抑制基因ATP11b介导转移的机制和相应的靶向治疗药物，提高乳腺癌转移患者的治疗成效。相关研究成果已在《临床调查杂志》（JournalofClinicalInvestigation）上刊登。肿瘤转移是乳腺癌患者最常见的致命原因...https://www.gcs.gov.mo/detail/zh-hant/N22BV2gXq9

为什么免疫疗法不能对所有乳腺癌起作用？

为什么免疫疗法不能对所有乳腺癌起作用？乳腺癌是一种发生在乳房组织的癌症。它是全世界妇女中最常见的癌症类型之一。乳腺癌可以发生在男性和女性身上，然而，它在男性身上是罕见的。乳腺癌的早期迹象和症状包括乳房组织中的肿块或增厚，乳房形状或大小的变化，以及乳房皮肤的变化，如凹陷或发红。杜兰大学的研究人员首次发现了这些癌症在化疗后是如何持续存在的，以及为什么它们对免疫疗法没有很好的反应，免疫疗法的目的是通过激活免疫系统来消除剩余的肿瘤细胞。化疗的存活过程触发了免疫检查点程序，使乳腺癌细胞免受免疫系统的不同攻击。根据发表在《自然-癌症》杂志上的一项新研究，这给被称为检查点抑制剂的免疫治疗药物带来了一个"打地鼠"的问题，这些药物可能会杀死表达一个检查点的肿瘤细胞，但不会杀死其他有多个检查点的肿瘤细胞。通讯作者、杜兰大学医学院生物化学和分子生物学副教授詹姆斯-杰克逊博士说："乳腺癌对免疫检查点抑制剂反应不佳，但人们从来没有真正理解过原因。我们发现，它们通过表达复杂、冗余的检查点基因和免疫调节基因程序来避免免疫清除。肿瘤在化疗治疗后完全变成了这种基本上是为了阻挡免疫系统而建立的东西。"研究人员在小鼠和人类乳腺肿瘤中研究了这一过程，并确定了16个免疫检查点基因，这些基因编码的蛋白质旨在使杀灭癌细胞的T细胞失活。该研究的第一作者、杰克逊实验室的医学博士/博士生AshkanShahbandi说："我们是第一批实际研究化疗后存活的肿瘤的人，这被称为残余疾病，以查看什么样的免疫疗法目标被表达。"对化疗反应最差的肿瘤会进入一种休眠状态，这被称为细胞衰老--而不是在治疗后死亡。研究人员发现了两种主要的衰老肿瘤细胞群，每一种都表达了由特定信号通路激活的不同免疫检查点。他们表明，肿瘤细胞中免疫规避程序的表达既需要化疗来诱导衰老状态，也需要来自非肿瘤细胞的信号。研究人员测试了针对这些不同免疫检查点的药物组合。虽然反应可以得到改善，但这些策略未能完全根除大多数的肿瘤。研究结果揭示了消除由激活复杂免疫抑制程序的衰老细胞组成的残留疾病的挑战。乳腺癌患者将需要合理的、个性化的策略，针对化疗治疗所诱发的特定检查点。...PC版：https://www.cnbeta.com.tw/articles/soft/1341501.htm手机版：https://m.cnbeta.com.tw/view/1341501.htm

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