由跨国研究团队共同领导的澳大利亚Garvan医学研究所开发并测试了一款新型人工智能工具，以更好地描述肿瘤内单个细胞的多样性，为患者提供更有针对性的治疗方案。
这项关于AI工具（称为AAnet）的开发与应用的研究成果发表在《癌症发现》期刊上，该期刊隶属于美国癌症研究协会。
肿瘤并非由单一类型的细胞组成，而是由多种不同的细胞混合而成，这些细胞以不同的方式生长并对治疗作出反应。这种多样性（或称异质性）使癌症更难治疗，并可能导致更差的结果，尤其是在三阴性乳腺癌中。
“异质性是一个问题，因为我们目前将肿瘤视为由相同细胞组成的整体。这意味着我们通过针对某种机制来杀死肿瘤中的大多数细胞，但并不是所有癌细胞都共享这种机制。结果，尽管患者可能会有初步反应，但剩余的细胞可能继续生长，导致癌症复发。”研究的共同资深作者、Garvan癌症可塑性与休眠项目联合主任Christine Chaffer副教授解释道。
然而，尽管异质性是一个问题，研究人员对其了解仍显不足。“迄今为止，研究人员尚未能清楚地解释肿瘤中相邻细胞之间的差异，以及如何将这些差异分类为有意义的方式以改善肿瘤治疗。但这正是我们需要知道的，以便通过适当的疗法杀死肿瘤内的所有细胞。”Chaffer副教授补充道。
为了应对这一挑战，研究团队开发并训练了一款强大的新型人工智能工具——AAnet，能够检测肿瘤内细胞的生物模式。
随后，他们使用AI工具分析了肿瘤内单个细胞基因表达水平的模式，重点关注三阴性乳腺癌的临床前模型及ER阳性、HER2阳性和三阴性乳腺癌的人类样本。通过这种方法，他们发现了肿瘤内的五种不同癌细胞群，每组具有独特的基因表达谱，表明细胞行为存在巨大差异。
“通过使用我们的AI工具，我们始终能够发现单个肿瘤内的五种新型细胞类型，称为‘原型’。每个群组表现出不同的生物通路和生长、转移倾向，以及预后不良的标志物。我们的下一步是观察这些群组如何随时间变化，例如化疗前后的情况。”Chaffer副教授说道。
这是癌症研究领域的首次突破。共同负责人之一、耶鲁大学的Smita Krishnaswamy副教授领导了这款AI工具的开发工作，她表示：“得益于技术进步，过去20年里我们在单细胞层面的数据量呈现爆炸式增长。通过这些数据，我们发现不仅每位患者的癌症不同，而且每个癌细胞的行为也有所不同。我们的研究是首次利用单细胞数据，将细胞状态的连续体简化为少数有意义的原型，从而分析多样性的方法。这可能成为游戏规则改变者。”
研究人员表示，使用AAnet根据生物学特性描述肿瘤内不同细胞群，为癌症治疗带来了范式转变的可能性。
“目前，选择癌症治疗方法主要基于癌症来源的器官（如乳腺、肺或前列腺）及其表现出的分子标记。但这假设了癌症中的所有细胞都是相同的。而现在，我们有了一个工具来描述患者肿瘤的异质性，并真正理解每个细胞群在生物学层面上的作用。借助AAnet，我们现在希望改进组合疗法的合理设计，确保针对每种不同细胞群的生物通路进行靶向治疗。这有可能极大地改善患者的治疗效果。”Chaffer副教授说道。
对于AAnet的应用，研究的另一位共同资深作者、Garvan首席科学官Sarah Kummerfeld教授表示：“我们设想未来医生可以结合这种AI分析与传统癌症诊断，制定更加个性化的治疗方案，靶向患者独特肿瘤内的所有细胞类型。这些结果代表了尖端技术和生物学的完美融合，可以改善患者护理。我们的研究聚焦于乳腺癌，但它也可以应用于其他癌症和其他疾病，如自身免疫性疾病。相关技术已经成熟。”
本研究得到了以下资金支持：
在澳大利亚：NELUNE基金会、Tour de Cure、Estee Lauder、The Kinghorn基金会、The Paramor家庭基金会、新南威尔士大学科学研究员奖学金、Ramaciotti生物医学研究奖、ARC发展项目资助、NHMRC创意资助和研究员资助。
在美国：Gruber基金会科学奖学金、麻省理工学院和哈佛大学Broad研究所的Eric和Wendy Schmidt中心、国家科学基金会、耶鲁癌症中心试点资助和Sloan奖学金。
Christine Chaffer是悉尼新南威尔士大学圣文森特临床医学院兼职副教授、Garvan医学研究所癌症可塑性与休眠项目主任兼实验室负责人。
Smita Krishnaswamy是耶鲁大学医学院遗传学与计算机科学副教授。
Sarah Kummerfeld是悉尼新南威尔士大学圣文森特临床医学院兼职教授及Garvan医学研究所首席科学官。
(全文结束)
