港中文与韩国研究所合作开发肺癌免疫治疗人工智能分析go...
根据香港中文大学医学院4月18日报道香港中文大学（中大）医学院（CU Medicine）莫树锦教授与韩国首尔国立大学医学院、成均馆大学医学院、，Ajou大学医学院和人工智能初创公司Lunit合作开发了一种人工智能驱动的分析工具，用于预测非小细胞肺癌（NSCLC）免疫检查点抑制的补充生物标记物的有效性。
该工具对全切片扫描图像中肿瘤浸润淋巴细胞生物标记物的分布进行空间分析，可以预测免疫检查点抑制剂（目前晚期非小细胞肺癌的一线治疗）的治疗结果。研究结果表明，基于AI的肿瘤浸润淋巴细胞分析与肿瘤反应和无进展生存率相关，这意味着它可能有助于优化临床实践中的治疗选择。这些发现最近发表在《临床肿瘤学杂志》上。
免疫检查点抑制剂是PD-L1表达的晚期NSCLC的标准疗法
肺癌是世界上最常见的癌症之一，每年造成180万人死亡。根据香港癌症登记处的数据，肺癌是导致癌症死亡的主要原因，也是该市最常见的癌症，每年新增病例超过5000例。非小细胞肺癌占所有肺癌的80%以上。
免疫检查点抑制剂是PD-L1表达的晚期NSCLC的标准一线疗法，称为抗PD-1检查点抑制剂。当免疫细胞T细胞上的蛋白质PD-1与癌细胞的配体PD-L1结合时，它会阻止免疫系统杀死癌细胞。这些抑制剂的作用是防止结合的发生，让免疫系统发挥作用，杀死癌细胞。
莫树锦教授和临床肿瘤学教授、港中文医学院临床肿瘤学系主任李书凡说， “抗PD-1检查点抑制剂的结果可能因患者的肿瘤微环境而异，但目前没有标准的生物标记物来解决这一问题。理论上，肿瘤浸润淋巴细胞是抗肿瘤免疫的主要激活剂，这可能是预测免疫检查点抑制剂治疗结果的一个有前途的生物标记物。但目前的量化方法是劳动密集型的，依赖于全切片扫描图像的空间分布，限制了实用性和客观性。”
与肿瘤对免疫检查点抑制剂反应相关的免疫表型
合作研究团队开发的AI支持的空间肿瘤浸润淋巴细胞分析仪能够从全切片扫描图像中分割和量化多种组织学成分，包括癌上皮、癌基质和肿瘤浸润淋巴细胞。然后，通过基于深度学习的人工智能模型训练，生成三种免疫表型：炎症、免疫排斥和免疫沙漠。（三种免疫表型的定义见表1）
结果表明，与其他两种表型的患者相比，炎症免疫表型与局部免疫细胞溶解活性的增强、更高的应答率和延长无进展生存期相关。（完整数据请参考表2）
莫教授补充说， “这是首次在晚期非小细胞肺癌患者中对人工智能驱动的肿瘤浸润淋巴细胞自动分析进行研究。在这项研究中，我们已经证明人工智能驱动的肿瘤浸润淋巴细胞空间分析仪能够预测非小细胞肺癌患者免疫检查点抑制剂的临床结果。这可以作为肿瘤比例评分（当前PD-L1）的补充生物标记物测量。”
表1：三种免疫表型的定义：
免疫表型 癌上皮中肿瘤浸润淋巴细胞的密度 癌间质区肿瘤浸润淋巴细胞密度
免疫炎症 高于阈值（>106/mm²） 高于阈值（>357/mm²）
免疫排斥 低于阈值（<106/mm²） 高于阈值（>357/mm²）
免疫沙漠 低于阈值（<106/mm²） 低于阈值（<357/mm²）
表2：AI动力分析仪预测的三种免疫表型的中位无进展生存率和总生存率概述：
免疫表型 中位无进展生存率 总体存活率
免疫炎症 4.1个月 24.8个月
免疫排斥 2.2. 月 14.0个月
免疫沙漠 2.4个月 10.6个月
知识点：
从肿瘤免疫上来讲，肿瘤可以分为三类，immune-desert免疫沙漠（无任何免疫反应），immune excluded免疫排斥（有免疫反应，但免疫细胞被基质细胞阻挡无法进入肿瘤），immune inflamed免疫炎症（免疫细胞已经侵入肿瘤）。一般理解，PD1单药对第三种效果很好。
楼主有点像张震岳。:o
页:
[1]