来源： 生物探索
卵巢癌是女性第六大常见癌症，通常影响绝经后或有家族病史的女性。据统计，英国每年新增6000例卵巢癌病例，但长期生存率仅为35%至40%。因为该疾病一旦出现明显的肿胀等症状，就已经是较晚期的阶段。早期发现这种疾病可以提高生存率。
目前，医生诊断卵巢癌的方法有很多，其中就包括血液检测。它的技术原理是寻找一种叫做CA125的物质(一种癌症的迹象)，然后进行CT扫描，用x光和电脑来进一步制作卵巢肿瘤的详细图像。这有助于临床医生了解疾病的传播范围，并确定患者接受的治疗类型，以确定手术还是化疗。然而，这种方法也存在弊端，它并不能让临床医生详细了解患者可能的总体结果或治疗干预的可能效果。
近日，由伦敦帝国理工学院(Imperial College London)和墨尔本大学(University of Melbourne)的研究人员开发了一款人工智能软件，它能够比现有的方法更准确地预测卵巢癌患者的预后，而且还可以预测哪些治疗方法对确诊后的患者最有效。
这项发表在《Nature Communications》杂志上的试验是在帝国大学医疗保健NHS信托基金会(Imperial College Healthcare NHS Trust)的Hammersmith医院进行的。
研究人员表示，这项新技术可以帮助临床医生更快地对患者实施最佳治疗，并为更个性化的医疗铺平道路。他们希望这项技术可以用于根据CT扫描显示的卵巢癌患者的结构上的细微差别将其分组，而不是根据他们所患癌症的类型或进展程度进行分类。
“尽管癌症治疗已经取得了进展，但晚期卵巢癌患者的长期生存率仍然很低，迫切需要找到诊疗这种疾病的新方法。”主要作者、伦敦帝国理工学院Eric Aboagye教授指出，“我们的技术能够给临床医生提供更详细、更准确的信息，告诉他们患者可能对不同的治疗有何反应，这可以让他们做出更好、更有针对性的治疗决定。”
“人工智或能改变医疗服务的提供方式，并改善患者的预后。我们的软件就是一个例子，希望它可以帮助临床医生更好地管理和治疗卵巢癌患者。” 共同作者、帝国理工学院NHS信托基金的名誉放射科顾问Andrea Rockall教授进一步说道。
具体来说，在最新的这项研究中，研究人员使用一种名为TEXLab的数学软件工具，识别2004年至2015年间364名卵巢癌患者的CT扫描和组织样本中肿瘤的侵袭性。
该软件检测了肿瘤的四个生物学特征，即结构、形状、大小和基因组成，这些特征显著影响患者的整体生存，以评估患者的预后。随后给患者进行一个名为放射预测载体(RPV)的评分，该评分指示疾病的严重程度，从轻微到严重不等。
研究人员将结果与血液检测和医生目前用来评估生存率的预后评分进行了比较。他们发现，该软件预测卵巢癌死亡的准确性是标准方法的四倍。
研究小组还发现，在RPV评分较高的患者中，有5%的患者的生存率不到两年。高RPV还与化疗耐药性和不良手术结果相关。这表明，RPV可用作预测患者对治疗反应的潜在生物标志物。
Aboagye教授建议，这项技术可以用来识别那些不太可能对标准疗法产生反应的患者，并为他们提供替代疗法。
接下来，研究人员将开展一项规模更大的研究，以了解该软件预测单个患者手术和/或药物治疗结果的准确性。
1）Human cells can also change jobs
2）Human cells reprogrammed to create insulin
3）Diabetes relief in mice by glucose-sensing insulin-secreting human α-cells
本文系生物探索原创，欢迎个人转发分享。其他任何媒体、网站如需转载，须在正文前注明来源生物探索。
网友评论