基于人工智能的新方法准确预测癌症治疗反应
关键词: #健康资讯
关键词: #健康资讯
因为癌症包含 200 多种类型,且每种都具有其独特性,因此开发精准的肿瘤治疗仍然是一个具有挑战性的任务。目前的焦点主要集中在开发基因测序和分析技术,以便识别导致癌症的基因突变,并试图找到匹配的治疗方案来对抗这些突变。
然而,许多(甚至是大部分)癌症患者并没有从这些早期的靶向治疗中受益。在2024年4月18日发表在《自然癌症》期刊上的一项新研究中,桑福德伯纳姆普雷比学院癌症分子治疗项目的助理教授Sanju Sinha博士作为第一作者,与资深作者Eytan Ruppin医学博士和哲学博士合作。美国国家卫生研究院(NIH)旗下的国家癌症研究所的D.博士、Alejandro Schaffer博士及其团队描述了一种前所未有的计算方法,用于系统地预测患者在单细胞层面上对抗癌药物的反应。
这一新型基于人工智能的方法被称为“个性化单细胞表达肿瘤治疗规划”或“PERCEPTION”,它着重研究转录组学应用——即转录因子的研究,这些因子携带和转化基因表达的信使RNA分子。DNA信息被转换为行动。
肿瘤是一种复杂而不断演变的野兽。使用单细胞分辨率有助于我们面对这两个挑战," 辛哈表示。“PERCEPTION 可以利用单细胞组学中的丰富信息来研究肿瘤的克隆结构,并及时监测耐药性的产生。”(在生物学领域,组学指的是细胞内各种成分的总体。)
Sinha和他的团队运用迁移学习这一人工智能分支来实现感知建设。
“我们面临的最大挑战是来自医疗诊所的有限单细胞数据。人工智能模型需要大量数据才能了解疾病,这与ChatGPT需要从互联网抓取大量文本数据的情况不同。”
PERCEPTION利用已发布的肿瘤大量基因表达数据对其模型进行预训练。随后,来自细胞系和患者的单细胞数据(尽管数据有限)被用来微调模型。
透过近期发布的三项独立的临床试验,分别针对多发性骨髓瘤、乳腺癌和肺癌,成功验证了PERCEPTION对单一疗法和联合治疗反应的预测。
在所有情况下,感知力都准确地将患者划分为有反应和无反应的两类。在肺癌中,它还成功捕捉到了随着疾病进展而产生的耐药性,这是一个非常有潜力的重要发现。
Sinha 表示,尚未有准备好将PERCEPTION 用于临床,但这一方法显示出单细胞信息可用于指导治疗。他希望推动在临床实践中采用这一技术,以获得更多数据,这些数据可用于进一步完善和发展临床应用技术。
辛哈表示:“预测质量会随着数据质量和数量的提高而提升。我们致力于开发临床工具,以系统化、数据驱动的方式预测癌症患者治疗反应。期待这些发现能够推动更多数据和类似研究的进行。”
2024-11-14
2024-11-14
2024-11-14
2024-11-14
2024-11-14