克里夫兰-凯斯西储大学数字成像实验室的科学家们已经率先使用人工智能(AI)来预测化学疗法是否会成功，现在可以确定哪些肺癌患者将从昂贵的免疫疗法中受益。

并且，他们再一次通过教计算机来查找与首次免疫治疗的前2-3个周期后进行的肺癌相比，首次诊断出肺癌时CT扫描的模式中以前看不见的变化，从而做到了这一点。并且，与以前的工作一样，这些变化是在肿瘤的内部和外部发现的，这是实验室最近研究的标志。

研究中心的Anant Madabhushi说：“这并不是一时兴起，这项研究似乎确实反映出该疾病的生物学特性，即更具侵略性的表型，而这是肿瘤学家目前所没有的信息。”通过结合医学成像，机器学习和AI技术，计算成像和个性化诊断(CCIPD)部门已成为检测，诊断和表征各种癌症和其他疾病的全球领导者。

根据《国家癌症》杂志的报道，目前，只有大约20%的癌症患者实际上会从免疫疗法中受益，这种疗法与化学疗法的不同之处在于它使用药物来帮助您的免疫系统对抗癌症，而化学疗法则使用药物来直接杀死癌细胞。研究所。

Madabhushi说，他的实验室最近的工作将帮助肿瘤学家了解哪些患者将从该疗法中真正受益，而哪些患者则不会。

Madabhushi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。”“这是癌症带来的经济毒性的一部分，导致大约42%的新诊断出的癌症患者在诊断后一年内失去了生命。”

他补充说，如果有一个基于他的实验室正在完成的研究的工具，将有助于“更好地匹配哪些患者会对免疫疗法产生反应，而不是花掉80万美元”，这将有很长的路要走。五分之三的谁将无法受益，乘以年度估计成本。

新研究发表

由共同作者Mohammadhadi Khorrami和Prateek Prasanna以及Madabhushi和来自六个不同机构的10个其他合作者(参见下面的列表)领导的这项新研究已于本月发表在《癌症免疫学研究》杂志上。

CCIPD的一名研究生Khorrami说，这项研究中最重要的进展之一是计算机程序能够记录给定病变的纹理，体积和形状的变化，而不仅仅是大小。

“这很重要，因为当医生仅根据CT图像来决定患者是否对治疗有反应时，通常取决于病变的大小，” Khorrami说。“我们发现组织的变化是治疗是否有效的更好的预测指标。

“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，但是这种治疗实际上是有效的。现在，我们有一种了解方法。”

Madabhushi实验室的博士后研究助理Prasanna表示，该研究还表明，在两个不同部位和三种不同类型的免疫治疗剂治疗的患者的扫描结果一致。

他说：“这证明了该计划的基本价值，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。”“我们正在处理一个基本的生物学原理。”

Prasanna说，最初的研究使用了来自50位患者的CT扫描来训练计算机，并创建一种数学算法来识别病变的变化。他说，下一步将是对从其他地点和不同免疫疗法药物获得的病例进行测试。这项研究最近获得了ASCO 2019征服癌症基金会优异奖。

Madabhushi说，此外，研究人员能够证明，CT扫描的模式与治疗的阳性反应以及患者的整体存活率最相关，后来也被发现与原始诊断活检组织中免疫细胞的排列密切相关。这些患者中。

这表明这些CT扫描实际上似乎捕获了肿瘤引发的针对癌症侵袭的免疫应答-免疫应答最强的CT扫描显示出最显着的组织变化，最重要的是，对CT扫描的反应最好免疫疗法，他说。