莱斯大学统计学研究教授厄兹贝特·梅雷尼（Erzsébet Méreyni）以及德克萨斯大学MD安德森癌症中心的共同研究人员普拉蒂普·巴塔查里亚（Pratip Bhattacharya）教授和帕特里克·皮利埃（Patrick Pilie）博士获得了德克萨斯州癌症预防和研究所（CPRIT）100万美元的拨款，用于开发能够更早识别致命性前列腺癌并改进治疗选择的人工智能（AI）工具。
前列腺癌是男性中最常见的诊断癌症之一，但患者的治疗结果差异很大。由于前列腺癌的生长受雄激素（特别是睾酮）的驱动，目前最常用的疗法是针对这些激素的作用进行阻断。这种被称为雄激素信号抑制剂的药物可以减缓或缩小癌症，但随着时间的推移，一些癌症会适应并产生抗药性。对于患有去势抵抗性前列腺癌的男性，治疗选择仍然有限，生存率较低。
癌症患者细胞代谢的变化可以作为生物标志物，而使用先进的成像技术检测这些变化是一种有前途的方法，可以监测与癌症治疗敏感性相关的进程，甚至可以发现早期恶性病变。然而，数据的复杂性对传统的统计和工程分析方法提出了挑战。
这项由CPRIT资助的研究基于三个支柱：
- 巴塔查里亚实验室的革命性非侵入性成像技术可以实时生成肿瘤代谢的时间和光谱特征，具有前所未有的细节，使不同异常状态的敏感区分成为可能，并能绘制出肿瘤异质性。
- 梅雷尼小组将应用一种高级形式的人工智能，该技术受到大脑网络的启发，特别擅长从复杂、高维数据中发现模式。
- 皮利埃实验室正在进行的全身治疗临床试验，包括在多样化的前列腺癌男性群体中使用雄激素信号抑制剂（以及来自巴塔查里亚的小鼠模型数据），将提供独特的丰富的人类治疗疗效数据。这些临床数据将有助于解释发现的代谢特征变异，并帮助确定哪些患者在诊断初期就携带最高风险发展为侵袭性疾病的临床相关生物标志物。
这三个支柱的成功实施将使更早和更精确的干预措施得以实现，根据每个患者的疾病特征进行个性化治疗。
研究的一个令人兴奋的关键方面是，梅雷尼小组之前在天文学和地球遥感中开发和应用的人工智能方法现在有可能在未来帮助前列腺癌及其他癌症患者。这突显了多学科合作中科学方法交叉融合的好处。
“通过使用基于神经映射的机器学习，我们可以揭示高维数据中的隐藏模式，包括罕见或微妙的模式，这些可能是最重要的，从而帮助临床医生更早地检测到侵袭性前列腺癌，并做出更明智的治疗决策，最终改善患者的预后。”莱斯大学统计学研究教授厄兹贝特·梅雷尼说。
通过开发能够处理多模态癌症数据复杂性的AI驱动模型，CPRIT资助的项目可能为其他领域的肿瘤学和个性化医学中AI的应用提供蓝图。
CPRIT领导着该州对抗癌症的工作，已向德克萨斯州的机构和组织颁发了超过37亿美元的拨款，通过其学术研究、预防和产品开发研究计划。CPRIT在招募顶尖研究人员到德克萨斯州、支持创新初创企业和在全州范围内提供数百万次癌症预防服务方面发挥了关键作用。
这笔最新的拨款进一步强调了CPRIT致力于投资具有潜力改变癌症诊断和治疗的基础性研究。
来源：莱斯大学
(全文结束)
