人工智能通过早期CT扫描预测治疗成功

作为改进疾病检测、诊断和临床护理的工具，人工智能有望彻底改变放射学领域。该技术有可能通过揭示成像扫描中隐藏的信息来帮助临床医生，即使是训练有素的眼睛也看不到。

在JAMAOncology上发表的一篇论文中，哥伦比亚大学的研究人员证明，将人工智能应用于标准护理成像可以帮助预测免疫疗法对黑色素瘤患者的疗效。特别是，他们开发了一种机器学习算法，可以分析患者的计算机断层扫描(CT)扫描并创建与患者结果相关的生物标志物——称为放射学特征。

该签名使用肿瘤的特定特征来高精度地确定特定个体的疾病是否会对免疫疗法产生良好反应、保持稳定或继续进展。免疫疗法已成为黑色素瘤的主要治疗方法，其目标是刺激患者自身的免疫系统来对抗癌症。

“我们希望尽早接受一个看起来在给定治疗中表现不佳的患者，因为他们的签名和增强、改变或在治疗中添加另一种药物，”JamesPicker医学博士LawrenceH.Schwartz说哥伦比亚大学瓦格洛斯内科外科学院(VP&S)放射学系教授兼系主任。“[目标是]真正为每位患者实时优化个性化癌症护理。”

施瓦茨博士是赫伯特欧文综合癌症中心(HICCC)的成员，他的目标是与他的同事一起将该项目扩展到各种不同的肿瘤类型——如肺癌、结肠癌、肾癌和前列腺癌——以及作为免疫疗法以外的其他治疗方法。研究人员想从一种新疗法开始，并选择了黑色素瘤，因为最近迅速采用了针对该疾病的免疫疗法。

目前，临床医生几乎完全依赖肿瘤大小来估计治疗的益处。患者接受基线CT扫描，然后在治疗开始后进行后续随访扫描。如果肿瘤缩小，治疗似乎正在起作用，而生长则意味着患者的疾病正在恶化。

但免疫疗法不一定如此，研究表明肿瘤大小和生长并不总是与总生存期相关。

“大多数当前的反应标准是几十年前制定的，用于评估对化疗等全身治疗的反应，”该研究的第一作者、VP&S放射学系副研究科学家、医学博士LaurentDercle说。“免疫疗法具有新的反应和进展模式，一些患者的肿瘤大小暂时增加，然后出现反应。因此，我们需要创建新工具来预测治疗成功。”

从生物学上讲，肿瘤可能会在患者疾病的整个过程中以比单独测量大小所反映的方式更复杂的方式演变。作为一个例子，研究人员发现他们的机器学习算法不仅考虑到肿瘤体积和生长，而且考虑到肿瘤空间异质性，或者癌细胞在疾病部位的不均匀分布，以及纹理，它着眼于肿瘤CT图像中像素强度的变化。

研究人员根据参与KEYNOTE-002和KEYNOTE-006多中心临床试验的287名晚期黑色素瘤患者的数据验证了该算法，该试验使用了免疫治疗药物pembrolizumab。放射组学特征使用在基线和3个月随访时获得的CT图像，能够高度准确地估计6个月时的总生存期。事实上，它优于基于肿瘤直径的标准方法，即实体瘤反应评估标准1.1(RECIST1.1)，该标准常用于临床试验以评估治疗效果。

“总的来说，放射学和成像领域在这场人工智能革命中从未像现在这样激动人心，”施瓦茨博士说。“我们一直在关注新机器、新示踪剂等方面的进步。但这使我们有机会优化我们从所有成像方式中获得的信息，以加快诊断速度，变得更加准确和精确，并为患者提供更有效的治疗。”

标签：