根据国家癌症研究所的数据，肺癌和支气管癌是美国人群中第二大最普遍的癌症，占所有新发癌症病例的12.9％。

这种癌症的早期阶段通常没有明显的症状，这可能意味着医生一开始无法发现它。这意味着治疗后的前景可能不如其他形式的癌症好。

为了确保对肺癌患者最有利的结果，医疗保健专业人员必须为每个人选择最佳的治疗方式。但是，这可能很棘手，因为通常很难确定哪个人将从特定治疗中受益最大。

对于医生而言，很难确定较新的治疗方法（例如免疫疗法）对个人的有益程度。与化学疗法不同，化学疗法涉及使用特定的药物攻击和破坏癌细胞，而免疫疗法则通过增强人对癌症肿瘤的免疫反应来起作用。

现在，由俄亥俄州克利夫兰凯斯西储大学的研究人员领导的团队与其他六个机构的科学家合作，开发了一种新的人工智能（AI）模型。该模型使医疗保健从业人员可以发现哪些肺癌患者将从免疫疗法中受益最大。

 

研究人员在“ 癌症免疫学研究 ”杂志上发表的一篇研究论文中解释了他们的方法并报告了他们的发现。

研究的共同作者阿南德·马达布胡什（Anant Madabhushi）解释说：“即使免疫疗法改变了整个癌症生态系统，它也仍然非常昂贵，每位患者每年约20万美元。

他补充说：“这是癌症带来的经济毒性的一部分，导致所有新诊断的癌症患者中约有42％在诊断后的一年内失去了生命。” Madabhushi还指出，他和他的同事正在研究的新工具可以帮助医生和患者确定哪种疗法最适合他们，并避免不必要的费用。

 

新模型可以预测结果

Madabhushi解释说，他和他的同事们根据最近的发现开发了他们的新模型，发现了哪些迹象表明哪些癌性肿瘤对治疗有反应。

在先前的研究中，研究人员发现，尽管医生通常认为肿瘤的大小是判断治疗方法是否有效的良好指标，但仅看一下这一特征就具有欺骗性。

Madabhushi说，相反，“我们发现质地的改变是该疗法是否有效的更好的预测指标。”

他解释说：“例如，有时结节在治疗后可能会出现更大的结节，这是由于另一个原因，例如肿瘤内的血管破裂，但这种治疗实际上是有效的。” “现在，我们有一种了解的方式。”

为了开发新的AI模型，该团队首先使用了来自50位肺癌患者的计算机断层扫描（CT）扫描数据。这使他们能够建立一种数学方法，该方法能够确定在接受2到3个免疫治疗周期后肿瘤中大小和质地的任何变化。

该方法发现的模式表明，肿瘤的特定变化与对免疫疗法的阳性反应以及更高的患者生存率有关。

这项研究再次强调，那些显示出最明显质地改变的肺癌肿瘤也是对免疫疗法最有效的肿瘤。

 

“这证明了该程序的基本价值，即我们的机器学习模型可以预测接受不同免疫检查点抑制剂治疗的患者的反应。我们正在处理一项基本的生物学原理。”

研究合著者Prateek Prasanna

今年早些时候，合著者Prateek Prasanna 因与这项研究相关的研究而获得了美国临床肿瘤学会2019年征服癌症基金会优异奖。

展望未来，该团队计划进一步在其他站点以及接受不同免疫治疗剂治疗的人的更多CT扫描中进一步测试其AI方法。