人工智能有助于减少癌症患者的过度辐射

美国国家癌症研究所杂志上的一项新研究表明，人工智能 (AI) 机器学习如何识别因 HPV 引起的口咽癌患者，这些患者需要较少的放射治疗才能获得良好的结果.

根据美国疾病控制和预防中心 (CDC) 的数据，人乳头瘤病毒 (HPV) 可归因于 70% 的位于口腔或咽喉后部的癌症(口咽癌或口咽鳞状细胞癌).根据美国癌症协会的估计，2021 年美国有超过 54,000 例新发病例和 10,850 例死于口腔癌和口咽癌.

根据美国癌症协会的说法，放射疗法通常用于单独或与手术、化学疗法或其他治疗相结合来治疗癌症.在放射治疗中，使用高剂量的强能量束(质子、电子束、X 射线或伽马射线)来杀死肿瘤.有时，健康细胞会在此过程中被杀死，从而影响癌症患者的生活质量.

使用 OP-TIL 识别低风险 HPV 癌症患者

该研究由凯斯西储大学唐奈尔研究所生物医学工程教授、计算成像和个性化诊断中心 (CCIPD) 负责人 Anant Madabhushi 和 CCIPD 实验室的研究助理 Germán Corredor Prada 领导.

科学家们试图使用 AI 来识别癌症患者，这些患者不仅复发和死亡的风险最低，而且可以在不影响治愈率的情况下减少其治疗.为了实现这一目标，该团队开发了一种称为 OP-TIL 的成像生物标志物，可以识别哪些可以将癌症患者分为高危或低危人群，从而确定降级临床试验的候选者.

OP-TIL 被恰当地命名为肿瘤浸润淋巴细胞 (TIL) 的生物标志物.淋巴细胞是一种保护身体免受感染的白细胞.三种主要类型的淋巴细胞是自然杀伤 (NK) 细胞、T 细胞和 B 细胞.肿瘤浸润淋巴细胞是离开血液流向肿瘤的白细胞.

据研究人员称，TIL“似乎通过针对病毒抗原的适应性宿主免疫反应产生保护作用"，并且“TIL 密度增加与低阶段 HPV 相关 OPSCC 的低复发风险相关. "

“OP-TIL 代表了一种潜在的强大、低成本且易于扩展的基于成像的生物标志物，它可能能够从所谓的低风险 HPV 相关 OPSCC 队列中筛选出患有但注定会再次发生，"研究人员报告说. “这可以使他们免于不明智的降级治疗，从而提高其余真正低风险患者的结果，这些患者更适合降级."

为了创建成像生物标志物 Op-TIL，研究人员使用来自 94 名癌症患者的实际样本进行模型训练和特征发现，并在 345 名患者的样本上对其进行评估.

该团队使用了未经修改的训练有素的深度学习模型，特别是生成对抗网络 (GAN)，该模型是在布莱根妇女医院、哈佛医学院以及哈佛和麻省理工学院布罗德研究所的 Faisal Mahmood 的另一项研究中创建的与他的研究同事一起发表在 IEEE 上.

AI算法以图像数据为输入，输出图像中淋巴细胞和非淋巴细胞的位置.淋巴细胞算法在肺部图像上进行了训练.尽管淋巴细胞在不同器官中的外观差异不大，但该团队还是通过人类病理学专家验证了输出的质量.

研究人员报告说，他们的解决方案能够识别癌症患者，这些患者可以从大大减少的放射治疗中受益.

“OP-TIL 可以识别 I 期 HPV 相关 OPSCC 患者，这些患者可能是治疗降级的不良候选者，"研究人员写道. “经过先前完成的多机构临床试验的验证，OP-TIL 有可能成为超越临床分期和 HPV 状态的生物标志物，可用于临床优化降级患者的选择."

版权所有 © 2022 Cami Rosso 保留所有权利.