麻省理工學(xué)院（MIT）和丹娜-法伯癌癥研究所的研究人員在國(guó)際頂尖醫(yī)學(xué)期刊Nature Medicine上發(fā)表題為：Machine learning for genetics-based classification and treatment response prediction in cancer of unknown primary的研究論文。

該研究開(kāi)發(fā)了一個(gè)人工智能模型——OncoNPC，它可以分析比較大約400個(gè)影響癌癥發(fā)生發(fā)展的關(guān)鍵基因的DNA序列，并利用這些信息來(lái)預(yù)測(cè)這些“神秘癌癥”的起源位置。

研究團(tuán)隊(duì)表示，利用這個(gè)AI模型，他們可以在大約900名患者的數(shù)據(jù)集中準(zhǔn)確地對(duì)至少40%的未知來(lái)源的腫瘤進(jìn)行高可信度的分類。更重要的是，OncoNPC使得能夠接受基因組指導(dǎo)的靶向治療的癌癥患者數(shù)量增加了2.2倍。因此，這個(gè)AI模型將來(lái)可能被用于幫助治療決策，指導(dǎo)醫(yī)生為原發(fā)灶不明的癌癥患者進(jìn)行個(gè)性化治療。

(資料圖片僅供參考)

癌癥可以細(xì)分成許多類型，大多數(shù)情況下是按照其發(fā)源的器官部位命名，例如肺癌、肝癌和乳腺癌等等。然而，在3%-5%的癌癥患者中，特別是那些腫瘤已經(jīng)發(fā)生全身轉(zhuǎn)移的患者，醫(yī)生往往難以確定癌癥的具體起源，這些腫瘤也被歸類為原發(fā)灶不明癌（CUP）。

這種對(duì)癌癥起源的認(rèn)知不足也常常使醫(yī)生無(wú)法給病人提供合適、精確的用藥指導(dǎo)。事實(shí)上，這些藥物通常被批準(zhǔn)用于已知有效的特定癌癥類型，這類靶向治療往往比用于廣泛癌癥的治療更有效，副作用更少，這些治療通常用于原發(fā)灶不明癌（CUP）患者。

該論文的通訊作者Alexander Gusev副教授表示，每年都有相當(dāng)多的人患上這些原發(fā)灶不明癌（CUP），因?yàn)榇蠖鄶?shù)治療方法都是以特定部位的方式獲得批準(zhǔn)的，必須知道原發(fā)部位才能使用它們，所以這些患者的治療選擇非常有限。

因此，為了改變?cè)l(fā)灶不明癌（CUP）患者的治療窘境，研究團(tuán)隊(duì)決定開(kāi)發(fā)一種人工智能模型來(lái)預(yù)測(cè)其具體起源。研究團(tuán)隊(duì)利用22種癌癥類型的36445個(gè)腫瘤的靶向下一代測(cè)序數(shù)據(jù)對(duì)該人工智能模型進(jìn)行了訓(xùn)練。這組數(shù)據(jù)包括來(lái)自紀(jì)念斯隆凱特琳癌癥中心和范德比爾特-英格拉姆癌癥中心以及丹娜-法伯癌癥研究所的患者。這些數(shù)據(jù)包括大約400種基因，這些基因在癌癥中經(jīng)常發(fā)生突變。

人工智能模型的開(kāi)發(fā)和分析工作流程概述

研究團(tuán)隊(duì)在大約7000個(gè)以前從未見(jiàn)過(guò)的腫瘤上測(cè)試了這個(gè)模型，這些腫瘤的起源位置是已知的。研究人員將該AI模型命名為OncoNPC，它能夠預(yù)測(cè)癌癥的起源，平均準(zhǔn)確率高達(dá)80%，對(duì)于高可信度預(yù)測(cè)的腫瘤（約占總數(shù)的65%），其準(zhǔn)確率更是可以上升到95%。

患者和腫瘤樣本的人口統(tǒng)計(jì)學(xué)信息（部分）

在這些令人鼓舞的結(jié)果之后，研究團(tuán)隊(duì)使用OncoNPC分析了971例原發(fā)灶不明癌（CUP）患者的基因序列，以預(yù)測(cè)其起源。結(jié)合臨床指標(biāo)數(shù)據(jù)，研究團(tuán)隊(duì)現(xiàn)，對(duì)于其中41.2%的CUP患者，該AI模型能夠做出高可信度的預(yù)測(cè)。

然后，研究團(tuán)隊(duì)將OncoNPC的預(yù)測(cè)與現(xiàn)有數(shù)據(jù)中對(duì)腫瘤子集的種系或遺傳突變的分析進(jìn)行了比較，這可以揭示患者是否具有遺傳易感性，從而患上某種特定類型的癌癥。研究團(tuán)隊(duì)發(fā)現(xiàn)，與任何其他類型的癌癥相比，該AI模型的預(yù)測(cè)更有可能與生殖系突變最強(qiáng)烈預(yù)測(cè)的癌癥類型相匹配。

OncoNPC可用于預(yù)測(cè)原發(fā)灶不明癌的起源

為了進(jìn)一步驗(yàn)證模型的預(yù)測(cè)，研究團(tuán)隊(duì)將原發(fā)灶不明癌（CUP）患者的生存時(shí)間數(shù)據(jù)與模型預(yù)測(cè)的癌癥類型的典型預(yù)后進(jìn)行了比較。他們發(fā)現(xiàn)，被預(yù)測(cè)患有預(yù)后較差的癌癥（例如胰腺癌）的CUP患者的生存時(shí)間相應(yīng)較短。與此同時(shí)，預(yù)測(cè)患有通常預(yù)后較好的癌癥（例如神經(jīng)內(nèi)分泌腫瘤）的CUP患者的生存時(shí)間更長(zhǎng)。

OncoNPC可用于預(yù)測(cè)患者的臨床預(yù)后

更重要的是，OncoNPC還可以用于指導(dǎo)原發(fā)灶不明癌（CUP）患者的治療方案的制定。在接受了靶向治療的CUP患者中，那些與模型預(yù)測(cè)的癌癥類型一致的患者的治療預(yù)后表現(xiàn)得更好。此外，此外，OncoNPC使可以接受基因組指導(dǎo)治療的CUP患者增加了2.2倍，這些患者此前因無(wú)法鑒定腫瘤起源而最終接受了更常規(guī)的化療藥物。

目前，研究團(tuán)隊(duì)希望繼續(xù)擴(kuò)展這一AI模型，將更多其他類型的臨床數(shù)據(jù)囊括在內(nèi)，例如病理圖像和放射學(xué)圖像，以使用多種數(shù)據(jù)模式提供更全面的預(yù)測(cè)。這也將為該AI模型提供腫瘤的全面視角，使其不僅能夠預(yù)測(cè)腫瘤的類型和患者的預(yù)后，甚至可能預(yù)測(cè)最佳治療方案。

基于OncoNPC指導(dǎo)CUP患者的治療決策

總而言之，癌癥具有廣泛的異質(zhì)性，因此個(gè)性化治療是癌癥治療的正確發(fā)展方向。該研究開(kāi)發(fā)的人工智能模型——OncoNPC，極大地方便了個(gè)性化治療的實(shí)施，可以準(zhǔn)確預(yù)測(cè)癌癥的起源，輔助醫(yī)生為原發(fā)灶不明癌（CUP）患者制定合適、精準(zhǔn)的治療策略。

關(guān)鍵詞：