每年英格兰有近10,000例晚期肠癌被诊断，年轻成人中的病例数正在上升。晚期肠癌的治疗选择有限。科学家现已开发出一种基于人工智能的方法，可确定哪些晚期肠癌患者最可能对英国国家医疗服务体系(NHS)使用的靶向药物产生反应——这可能使数千名患者免受无效治疗带来的副作用。
靶向药物贝伐珠单抗已于去年12月获准在NHS上用于治疗晚期肠癌患者。它能减缓癌症生长，但仅对一小部分患者有效，并且存在严重副作用的风险，包括高血压、胃肠道问题和血栓。
确定可能产生反应的患者
伦敦癌症研究所和都柏林皇家外科学院医学与健康科学大学的科学家们开发了这种方法，以识别最可能从该药物中受益的患者，以及最不可能产生反应的患者。未来，这种方法可以使这些患者免受无效治疗相关的副作用。
通过识别与耐药性相关的模式，研究人员希望这未来也可能为这些患者带来新的治疗方法。
在发表于《科学报告》期刊的研究中，研究团队研究了117名接受贝伐珠单抗和化疗治疗的欧洲患者。
整合大量数据
该团队使用了癌症研究所(ICR)开发的人工智能工具PhenMap（表型映射的简称），将肿瘤的基因构成复杂数据与临床信息（包括性别、年龄和肿瘤位置）进行整合。
他们利用这些数据寻找新的生物信号——与患者对贝伐珠单抗反应相关的模式。
到目前为止，科学家们仅通过少数亚型对癌症进行分组。PhenMap可以捕捉更复杂的模式并缩小这些组别，例如将患者放在1到100的尺度上。
生成风险评分
基于PhenMap的模式，另一种人工智能工具生成了一个评分，以指示接受贝伐珠单抗和化疗治疗后的死亡风险。
每位患者被分配到"高"、"中"或"低"风险组。风险评分最高的10%被归为"高风险"，最低的10%归为"低风险"，其余则归为"中等风险"。
研究人员注意到，从临床结果来看，"高风险"组中的患者均未对治疗产生反应。
对可能无反应者的生物标志物
"高风险"患者中存在的复杂特征模式可作为生物标志物，供临床医生识别不太可能对贝伐珠单抗产生反应的患者。
人工智能识别出的一个模式是，具有BRAF基因突变的患者均属于高风险组，且预后不良。
研究人员的下一阶段工作将是通过更多患者样本验证这一点，并将该方法开发成可用于前瞻性临床试验的测试，以帮助指导治疗决策。
研究人员还将探索该测试是否能预测对其他靶向疗法的反应，他们认为该方法可应用于其他癌症类型。
揭示隐藏在患者肿瘤中的线索
伦敦癌症研究所分层与精准医学教授安古拉吉·萨达南达姆(Anguraj Sadanandam)表示："一旦肠癌扩散到身体其他部位，患者可用的治疗选择就非常有限。因此，患者现在可以在NHS上获取靶向药物贝伐珠单抗是一个积极的进展。然而，我们知道大多数患者不会从该药物中受益，这意味着英格兰可能有数千人正在不必要地面对其带来的不适副作用。到目前为止，我们一直无法识别这些患者。
'我们的研究使用先进的AI方法整合大量复杂数据，帮助我们发现人类原本不可能看到的模式，并揭示隐藏在患者肿瘤中的线索。在我们的研究中，我们已经表明，这使我们能够识别出最不可能对贝伐珠单抗治疗产生反应的患者。尽管这些发现令人鼓舞，但它们需要在更大的患者群中得到验证，以确保它们适用于所有患者。
'未来，我希望这种方法能发展成一种临床医生可用的测试，确保患者获得对其癌症最有效的个性化护理。'"
"利用AI开发更智能、更温和的疗法"
伦敦癌症研究所首席执行官克里斯蒂安·海林(Kristian Helin)教授表示："批准新药治疗癌症是一个重要里程碑，但我们必须认识到，一种药物并非对所有人都有效——了解为什么某些患者不会从治疗中受益对改善结果至关重要。
'人工智能已经彻底改变了癌症研究——使我们能够快速分析大量复杂数据集并预测患者对治疗的反应。这项研究有力地展示了ICR如何利用人工智能开发更智能、更温和的疗法，并更快地将它们提供给患者。
'这种方法也有潜力在多种癌症类型中进行探索，看看它是否能预测多种癌症类型中对其他靶向疗法的反应。'"
【全文结束】
