圖片來源：凱斯西儲大學免疫檢查點抑制劑治療前后的CT放射線模式差異的說明，同樣發現在診斷活檢中，在無反應者中腫瘤浸潤淋巴細胞的密度高于無反應者。

凱斯西儲大學數字成像實驗室的科學家們已經率先使用人工智能(AI)來預測化學療法是否會成功，目前還可以確定哪些肺癌患者將從昂貴的免疫療法中受益。

“這并不是一時興起。這項研究似乎確實反映出該疾病的生物學特性，即更具侵略性的表型，而這是腫瘤學家目前所沒有的信息，” AnantMadabhushi表示。通過結合醫學成像，機器學習和AI技術，計算成像和個性化診斷(CCIPD)已成為檢測，診斷和表征各種癌癥和其他疾病的全球領導者。

目前，只有大約20%的癌癥患者實際上會從免疫療法中受益，這與化學療法的不同之處在于，它使用藥物來幫助免疫系統抵抗癌癥，而化學療法則使用藥物直接殺死癌細胞。

Madabhushi說，他的實驗室最近將幫助腫瘤學家了解哪些患者將從該療法中真正受益，而哪些患者則不會。

Madabhushi說：“盡管免疫療法改變了整個癌癥生態系統，但它仍然非常昂貴，每位患者每年約20萬美元。這是癌癥帶來的經濟毒性的一部分，導致大約42%的新診斷出的癌癥患者在診斷后一年內失去了生命。”

他補充說，如果有一個基于他的實驗室正在完成的研究的工具，將有助于“更好地匹配哪些患者會對免疫療法產生反應，而不是花掉80萬美元。”

新研究發表

由共同作者MohammadhadiKhorrami和PrateekPrasanna以及Madabhushi和來自六個不同機構的10個其他合作者(參見下面的列表)領導的這項新研究已于本月發表在《癌癥免疫學研究》雜志上。

CCIPD的一名研究生Khorrami說，這項研究中最重要的進步之一就是計算機程序能夠記錄給定病變的紋理，體積和形狀的變化，而不僅僅是大小。

“這很重要，因為當醫生僅根據CT圖像來決定患者是否對治療做出反應時，通常取決于病變的大小，” Khorrami說。“我們發現組織的變化是治療是否有效的更好預測指標。

“例如，有時結節在治療后可能會出現更大的結節，這是由于另一個原因，例如腫瘤內的血管破裂，但這種治療實際上是有效的。”

Madabhushi實驗室的博士后研究助理Prasanna表示，在兩個不同部位和三種不同類型的免疫治療劑治療的患者的掃描結果一致。

他說：“這證明了該計劃的基本價值，即我們的機器學習模型可以預測不同免疫檢查點抑制劑治療的患者的反應。我們正在處理一個基本的生物學原理。”

Prasanna說，最初的研究使用了來自50位患者的CT掃描來訓練計算機，并創建一種數學算法來識別病變的變化。他說，下一步將是對從其他地點和不同免疫療法藥物獲得的病例進行測試。這項研究最近還獲得了ASCO 2019征服癌癥基金會優異獎。

Madabhushi說，研究人員能夠證明，CT掃描上與治療陽性反應以及患者總體存活率最相關的模式后來也被發現與原始診斷活檢組織中免疫細胞的排列密切相關。這表明那些CT掃描實際上似乎捕獲了腫瘤引發的針對癌癥侵襲的免疫反應，而那些免疫反應最強的CT掃描顯示出最明顯的組織改變，最重要的是，對免疫療法的反應最好。

Madabhushi于2012年在Case Western Reserve建立了CCIPD實驗室，目前擁有近60名研究人員。該實驗室與紐約大學和耶魯大學合作的一些最新工作已使用AI根據組織幻燈片圖像預測哪些肺癌患者將從輔助化療中受益，該成果被《預防雜志》(Prevention Magazine)評為2018年十大醫學突破之一。