《自然》子刊：卵巢癌预后难判断？AI四倍精准预判仅需四项生理指标

医疗健康 2019-02-20 15:08 来源：药明康德AI

2019

02/20

15:08

药明康德AI 医疗健康

卵巢癌是一种较为常见的癌症，常发生于更年期后或有家族史的女性。卵巢癌的远期生存率较差，通常仅有35%-40%。因此，很多临床医生都希望能更准确地判断卵巢癌患者在接受治疗后健康状况的变化，以助于他们更好地制定治疗方案。

为解决这个问题，帝国理工学院和墨尔本大学的研究人员开发出了一款新的AI系统TEXLab，以期解决卵巢癌预后难以判断的问题。研究和试验相关的论文近日发表在《Nature Communications》上。

诊断卵巢癌的传统方法之一是检验血液中的CA125标记物，之后通过CT扫描详细地检查肿瘤的生长和扩散情况，并针对病情制定出合适的治疗方案，如手术或化疗等。然而，现有的诊疗手段无法预判患者在接受治疗后健康状况的变化。

研究人员收集了2004-2015年间364位上皮性卵巢癌患者的CT扫描影像和和组织样本，用于TEXLab的研发。参与试验的患者来自英国汉默史密斯医院（Hammersmith Hospital）。

该AI平台检定了四项会影响生存率的生理指标：肿瘤的结构、形状、大小、基因组成。通过这四项指标，TEXLab可以得出一个非侵入性汇总统计量“影像组学预后向量（Radiomic Prognostic Vector, RPV）”来评估疾病的严重程度和预后情况，分数越高则病情越严重。

研究发现，用AI算分得出的患者生存期评估比基于血检并人工计算的预估精确四倍以上。同时，研究人员还发现，在RPV得分较高的组别中，有5%的患者生存期少于两年。高RPV得分的患者化疗耐药性更强，手术效果也较差。这表明，RPV得分可以作为潜在的预判患者治疗效果的生理指标。

另外，试验还进行了基因、转录组学和蛋白质组学分析。通过对两个互相独立数据库中资料的分析，说明了间质表型（stromal phenotype）和DNA损伤所对应的通路会影响肿瘤的RPV分数分级。

论文的通讯作者，帝国理工学院癌症药理学和分子成像学教授Eric Aboagye博士认为，新的AI系统可以用于确认那些不适于常规癌症疗法的患者，并为他们提供其他替代方案。

接下来，研究团队会开展更大规模的研究，检验AI是否能准确预测手术和/或药物治疗后患者健康状况的变化。

新AI系统将会为卵巢癌预后生存期提供更准确的预测，有利于医生为患者进行个性化的治疗，改善患者的健康和生活状况。

来源：药明康德AI

来源：药明康德AI

标签