一项由南加州大学（USC）计算机科学助理教授刘瑞山领导的开创性研究表明，特定基因突变如何影响癌症治疗结果，这些见解可以帮助医生更有效地制定治疗方案。这项迄今为止最大规模的研究分析了超过78,000名癌症患者的基因数据，涵盖了20种不同类型的癌症。患者接受了免疫疗法、化疗和靶向治疗。
通过高级计算分析，研究人员确定了近800个直接影生存结果的基因变化，并发现了95个与乳腺癌、卵巢癌、皮肤癌和胃肠道癌症等癌症生存率显著相关的基因。
在此基础上，研究团队开发了一种机器学习工具，用于预测晚期肺癌患者对免疫疗法的反应。
“这些发现突显了基因谱型在个性化癌症护理中的关键作用。通过了解不同突变如何影响治疗反应，医生可以选择最有效的治疗方法——可能避免无效的治疗，集中于最有可能帮助患者的疗法。”刘瑞山表示。
该研究发表在《自然通讯》上，强调了TP53、CDKN2A和CDKN2B等基因在影响治疗结果中的关键作用，并用真实世界的数据验证了这些关联。
基因突变为何重要？
基因突变是指DNA的变化，它们可以影响癌症的发展以及患者对治疗的反应。有些突变是随机发生的，而另一些则是遗传的。在癌症中，突变可以决定肿瘤是否更具侵袭性或其对某些治疗的反应如何。如今，基因检测越来越多地应用于癌症护理中，以识别这些突变，使医生能够更精确地选择治疗方案。
例如，非小细胞肺癌（NSCLC）患者通常会接受KRAS、EGFR和ALK等基因的基因组测试，以确定靶向疗法或免疫疗法是否有效。
主要研究发现包括：
- 晚期非小细胞肺癌中的KRAS突变与常见治疗（EGFR抑制剂）的较差反应相关，表明可能需要替代治疗。
- NF1突变改善了对免疫疗法的反应，但恶化了对某些靶向治疗的反应，突显了其在治疗中的复杂角色。
- 调节细胞生长的PI3K通路突变在不同癌症类型中有不同的效果，如乳腺癌、黑色素瘤和肾癌中的不同反应。
- DNA修复通路突变通过增加肿瘤不稳定性提高了肺癌对免疫疗法的效果。
- 免疫相关通路的突变与接受免疫疗法的肺癌患者的更好生存率相关，表明并非所有突变都会阻碍治疗成功。
强大的预测工具
传统上，癌症治疗遵循“一刀切”的方法，即患有同种癌症的患者接受相同的标准化疗。然而，这项研究强调了精准医学的重要性，即根据患者的独特基因构成定制治疗方案。
尽管存在大量突变数据，但只有少数具有临床验证的治疗方法，限制了潜在的实际应用和患者受益。为了弥合这一差距，刘瑞山团队利用机器学习分析了多个突变如何相互作用以影响治疗结果。
“我们的目标是找出那些一开始并不明显的模式。”刘瑞山说道。
他们开发了一个随机生存森林（RSF）模型，这是一种旨在为肺癌患者优化治疗建议的预测工具。通过整合大规模的真实世界数据与机器学习，该模型识别出了新的突变-治疗相互作用。
“我们的目标是找出那些一开始并不明显的模式，并将这些见解转化为现实世界的工具，从而扩大癌症患者获得免疫疗法的机会。”刘瑞山说。“一个关键创新在于将大量数据与先进的统计和机器学习技术相结合，以发现以前未被认识到的突变-治疗相互作用。”
虽然还需要进一步的临床试验，但刘瑞山认为这项研究是朝着更精准和个性化的癌症治疗迈出的重要一步。
“这项研究表明计算科学的力量，可以将复杂的临床和基因组数据转化为可操作的见解。”她表示。“为能够贡献有助于直接改善患者护理的工具和知识，感到非常充实。”
(全文结束)
