加州大学洛杉矶分校健康琼森综合癌症中心的研究人员开发了一个新平台，该平台结合了3D生物打印、先进成像和人工智能技术，能够更好地监测癌症对治疗的反应。这项技术可以帮助研究人员更快地识别有前景的癌症疗法，并提供一种在患者自身肿瘤细胞上测试治疗方法的方式，有助于指导更加个性化的治疗决策。
该方法在《自然·实验手册》(Nature Protocols)杂志上发表，它使用患者的癌细胞创建被称为"类器官"(organoids)的微小实验室培养肿瘤复制品，并持续追踪它们对不同药物的反应。随后，人工智能分析产生的数据，帮助科学家同时评估数百种潜在疗法，发现药物反应中的模式，从而为那些有效治疗选择较少的癌症制定治疗策略。
为何重要
肿瘤类器官已成为癌症研究的强大工具，因为它们比传统实验室模型更接近患者肿瘤。然而，目前许多系统仍然难以将生物准确性与大规模研究或临床使用所需的速度、一致性和规模结合起来。这项研究通过创建一个能够生成和分析大量患者来源的肿瘤类器官的平台来应对这一挑战，同时捕获关于它们如何对治疗做出反应的详细信息。
研究内容
研究人员开发了一个统一的工作流程，该流程使用挤出式生物打印技术，在为高通量多孔板格式设计的细胞外基质结构中生成三维肿瘤类器官。然后，这些类器官使用高速、无标记定量相位成像技术进行持续监测，该技术追踪生物量和生长动态的变化，以测量随时间推移的肿瘤适应性。这种方法不需要染料或破坏性检测，这可能会改变细胞行为并限制观察细胞的时间。
为了分析产生的数据集，该平台结合了自动图像重建、基于深度学习的分割以及基于机器学习的对单个类器官对治疗反应的追踪。这使得研究人员能够在数千个样本中以单个类器官的分辨率量化药物反应，提供对肿瘤异质性和肿瘤对治疗反应差异的详细视图。
研究发现
该平台成功测量了肿瘤类器官对药物治疗的反应，包括在已建立的癌细胞系和患者来源的肿瘤样本中。先进的成像技术使研究人员能够持续监测类器官生长对一系列药物的反应变化，而人工智能则帮助分析大量数据并在单个类器官水平上追踪反应。
"与其询问某种药物对大量肿瘤细胞的平均效果，我们现在可以确定哪些特定的类器官有反应，哪些没有反应，并最终确定独特反应特征的根本原因。这使我们能够测量数千个单个类器官的药物反应，检测罕见的耐药肿瘤群体，跟踪生长和治疗反应，并更好地预测哪些疗法可能对特定患者有效。"
——迈克尔·泰特尔博士，加州大学洛杉矶分校健康琼森综合癌症中心主任、病理学和实验室医学教授、该研究的共同资深作者
对患者的意义
该技术指向一种潜在的方法，即医生可以在治疗开始前在患者自身的肿瘤细胞上测试癌症药物。通过帮助研究人员确定哪些疗法对特定肿瘤最可能有效，该方法可以支持更加个性化的治疗决策，特别是对于那些罕见且难以治疗的癌症患者。
研究人员介绍
该研究的共同资深作者是加州大学洛杉矶分校健康琼森综合癌症中心主任、病理学和实验室医学教授迈克尔·泰特尔博士，以及科罗拉多大学医学院的爱丽丝·索拉格尼。第一作者是泰特尔实验室的博士后研究员王 Bowen（Bowen Wang）。其他作者包括加州大学洛杉矶分校的佩顿·特本(Peyton Tebon)、唐·阮(Thang Nguyen)和萨拉·萨尔蒂尼(Sara Sartini)，以及弗吉尼亚联邦大学梅西综合癌症中心的格雷姆·默里(Graeme Murray)、丹尼尔·盖斯特(Daniel Guest)和杰森·里德(Jason Reed)。
资金支持
该工作部分得到了美国空军科学研究办公室、国防部、国家科学基金会和美国国立卫生研究院的资助。
【全文结束】