虽然医学已经高度发达，但癌症仍然是最难治愈的疾病之一，对于某些患者，医生无法确定他们癌症的起源。这给选择治疗方法带来了困难，因为许多药物只针对特定类型的癌症开发。癌症通常源于基因突变，其中关键基因序列的变化导致癌细胞无限增殖。


麻省理工学院（MIT）和丹娜-法伯癌症研究所的研究人员于2023年8月7日在国际医学期刊Nature Medicine上发表了一项研究。他们开发了一个名为OncoNPC的人工智能模型，可以分析影响癌症发展的大约400个关键基因的DNA序列，并根据这些信息预测“神秘癌症”的起源位置。


人工智能-癌症治疗-可愈有道

研究小组指出，利用这个AI模型，他们能够准确分类至少40%未知来源肿瘤的数据集中的肿瘤，并提供高度可信的结果。更为重要的是，OncoNPC使得能够接受基因组指导的靶向治疗的癌症患者数量增加了2.2倍。因此，未来有可能使用这个AI模型来帮助治疗决策，并为原发灶不明的癌症患者提供个性化治疗指导。


癌症可以细分为多种类型，通常根据其发生的器官部位来命名，例如肺癌、肝癌和乳腺癌等。然而，在3%至5%的癌症患者中，尤其是那些肿瘤已经发生全身转移的患者，医生往往难以确定癌症的具体起源，这些肿瘤被归类为原发灶不明癌（CUP）。


这种对癌症起源的不确定性也经常导致医生无法为患者提供适当且精确的药物治疗指导。事实上，这些药物通常只在已知有效的特定癌症类型中获得批准，这些靶向治疗通常比用于广泛癌症的治疗更有效且副作用更少，但这些治疗通常无法应用于CUP患者。


该研究的通讯作者Alexander Gusev副教授表示，每年都有相当数量的人患上CUP，因为大多数治疗方法都是特定部位的批准治疗，必须知道原发部位才能应用这些治疗方法，所以对这些患者的治疗选择非常有限。


为了改变CUP患者的治疗困境，研究小组决定开发了一个人工智能模型来预测癌症的具体起源。他们利用来自纪念斯隆凯特琳癌症中心、范德比尔特-英格拉姆癌症中心和丹娜-法伯癌症研究所的36445个肿瘤的靶向下一代测序数据对该人工智能模型进行了训练。这些数据包括大约400个经常发生突变的基因。

人工智能-癌症治疗-可愈有道

▲人工智能模型的开发和分析工作流程概述

研究小组对约7000个以前未见肿瘤进行了测试，这些肿瘤的起源位置是已知的。他们开发了一个名为OncoNPC的AI模型，能够预测癌症的起源，平均准确率为80%。对于高度可信的预测肿瘤（约占总数的65%），准确率可提高至95%。


基于这些令人振奋的结果，研究小组使用OncoNPC分析了971例CUP患者的基因序列，以预测其起源。结合临床指标数据，他们发现该AI模型可以高度可信地预测41.2%的CUP患者。


然后，研究小组将OncoNPC的预测与现有数据中关于肿瘤子集的种系或遗传突变的分析进行了比较，以揭示患者是否具有易感性遗传变异，并导致某种特定类型的癌症。他们发现，与其他类型的癌症相比，该AI模型的预测更有可能与生殖系突变最强烈预测的癌症类型相匹配。


为了进一步验证模型的预测，研究小组将CUP患者的生存时间数据与模型预测的癌症类型典型预后进行了比较。他们发现，被预测为预后较差癌症（例如胰腺癌）的CUP患者的生存时间较短。与此同时，被预测为通常预后较好的癌症（例如神经内分泌肿瘤）的CUP患者的生存时间较长。


更重要的是，OncoNPC还可以用于指导CUP患者的治疗计划制定。在接受了靶向治疗的CUP患者中，与模型预测的癌症类型一致的患者治疗预后较好。此外，OncoNPC使得可以接受基因组指导治疗的CUP患者增加了2.2倍，这些患者之前因无法确定肿瘤起源而只接受了更传统的化疗药物。

人工智能-癌症治疗-可愈有道

目前，研究小组希望进一步扩展这一AI模型，将更多其他类型的临床数据包括在内，例如病理图像和放射学图像，以利用多种数据模式提供更全面的预测。这将为该AI模型提供更全面的肿瘤视角，使其不仅能够预测肿瘤类型和患者预后，甚至可能预测最佳治疗方案。

如果想了解更多的肿瘤最新信息和治疗方法，可致电可愈有道400-678-6998进行咨询，或关注公众号联系我们。


参考资料：

Moon, I., LoPiccolo, J., Baca, S.C. et al. Machine learning for genetics-based classification and treatment response prediction in cancer of unknown primary. Nat Med 29, 2057–2067 (2023). 



END

免责声明：公司所提供的信息均来源于网络上公开发表的文献或文章，仅供用户参考使用。本公司力求为用户提供准确、客观的信息资料与数据，用户据信息作出的选择和判断，公司不承担任何经济与法律责任。