人工智能分析活检切片可预测直肠癌治疗效果
伦敦大学学院11月19日报道
一项由伦敦大学学院(UCL)和伦敦大学学院医院(UCLH)研究人员开展的新研究发现，人工智能(AI)可以通过分析诊断期间采集的标准组织样本，预测直肠癌患者对治疗的反应效果。
在大多数癌症中，肿瘤周围的免疫环境在决定癌症进展和患者对治疗的反应方面起着重要作用，然而免疫细胞、肿瘤细胞和治疗之间的复杂相互作用往往仍不被充分理解。
这项发表在《eBioMedicine》上的新研究，使用人工智能分析常规病理图像，测量直肠癌肿瘤周围关键免疫细胞的类型和丰度，以预测这种"肿瘤微环境"如何影响患者的生存率和疾病复发。
这些图像由肿瘤组织活检制成用于诊断，通常由病理学家在显微镜下手动检查。但研究者希望了解AI是否可以被训练来在图像中识别关键的免疫细胞"特征"，并将它们与患者结果联系起来，且用时仅为传统方法的一小部分。
"病理切片已经是常规护理的一部分，因此它们是丰富的数据来源。我们预测可以使用AI从这些切片中提取有关患者肿瘤的有价值信息，AI近年来在分析医学图像方面已经变得非常出色，并将这些信息与患者结果联系起来。
我们发现AI可以从这些切片中捕捉到重要的免疫信号。重要的是，它可以在几分钟内完成，而全基因组测序或空间转录组学等较慢且更昂贵的方法则需要数天。这可能使提供更个性化的诊断和治疗变得实用且负担得起，这可能会改善患者的结果。"
伦敦大学学院医学物理与生物医学工程系的该研究高级作者Charles-Antoine Collins-Fekete博士表示
研究团队研究了来自三组患者的样本，包括ARISTOTLE临床试验的参与者。他们发现，肿瘤内部及周围淋巴细胞(可对抗感染和疾病，包括癌症)较多的患者往往寿命更长，癌症复发的可能性更低。
然而，巨噬细胞(另一种免疫细胞，通常作用是清除病毒等有害入侵者，但可能无意中帮助肿瘤生长)较多的患者预后较差。
这些免疫特征目前尚未用于直肠癌的标准临床决策，但它们可能为个性化化疗放疗治疗提供新方法，并识别哪些患者复发风险更高。
该AI系统使用数百万张病理图像进行训练，然后在900名患者样本上进行了测试。它能够测量治疗前后免疫细胞水平。那些肿瘤浸润淋巴细胞增加的患者(表明更活跃的抗肿瘤免疫反应)往往预后较好(化疗放疗可通过导致肿瘤细胞死亡并释放吸引和激活免疫细胞的信号来刺激免疫系统)。相比之下，治疗后肿瘤在免疫学上仍然"冷"的患者更可能早期复发。
该研究还探讨了癌症中的基因变化如何影响免疫反应。例如，KRAS基因正常且淋巴细胞水平高的患者比KRAS基因突变且淋巴细胞较少的患者有更高的生存率。同样，TP53基因突变的患者中，高水平的巨噬细胞尤其有害。
伦敦大学学院医学物理与生物医学工程系的该研究第一作者Shen Zhuoyan博士表示："虽然经验丰富的病理学家可以识别肿瘤微环境的一些免疫特征，但这些信息并未常规用于指导治疗。AI方法直接识别这些隐藏的免疫'特征'，提供了通常只能通过全基因组测序等方法获得的生物洞察力，而全基因组测序成本高昂、技术要求高，目前除了晚期直肠癌患者外，临床上并未使用。
"通过将免疫细胞数据与遗传信息相结合，我们可以更清楚地了解每位患者的癌症在治疗前后的表现。这可以帮助将患者分为高风险和低风险组，以决定最佳治疗方案，例如对高风险患者使用更积极的治疗来帮助减缓疾病，同时减少低风险患者接触化疗放疗的机会。"
研究人员还发现，细胞分裂率高(称为高有丝分裂活性)的肿瘤往往抑制免疫系统并导致更差的结果。这表明生长迅速的癌症可能更难被身体抵抗。
为了让医生更容易获取研究结果，该团队创建了一个免费的在线工具Octopath，临床医生可以上传病理切片并获得自动免疫分析。
然而，研究人员警告称，需要在更大、更多样化的患者群体中进一步研究以确认他们的结果，他们计划在未来的一项临床研究中进行。他们还希望探索更详细的免疫细胞类型，并使用先进技术更好地了解癌症如何与免疫系统相互作用。
伦敦大学学院医学物理与生物医学工程系高级作者、UCLH顾问临床肿瘤学家Maria Hawkins教授表示："这是利用AI帮助进一步分类癌症的早期步骤，但对像我这样的临床医生来说很有希望且非常令人兴奋，可以开始了解它未来可能带来的影响。
"在这里，我们研究AI来识别直肠癌活检中的潜在生物标志物。未来，临床医生和患者将讨论使用AI提供的及时信息来个性化治疗。然而，需要进一步研究以了解如何在日常临床实践中最好地整合这些生物标志物。"
本研究由英国癌症研究、UKRI未来领袖奖学金、英国研究与创新(UKRI)以及大不列颠及爱尔兰病理学会资助。
【全文结束】
