肺癌患者 中国实验动物信息网 2020-10-22 530

　　在过去的二十年中，在开发和选择针对肺癌患者的个性化治疗方面已取得了重大进展，非小细胞肺癌仍然是肺癌的主要类型，也是全世界与癌症相关的死亡的主要原因。目前，有两种治疗策略，酪氨酸激酶抑制剂和免疫检查点抑制剂治疗，但是对于非小细胞肺癌患者选择*佳治疗方法可能并不容易。也许。在治疗过程中，患者体内的生物标志物发生变化，治疗失败。因此，Mofit癌症研究中心的科学家们开发了一种无创且准确的方法来分析患者体内的肿瘤，突变和生物标志物有助于确定患者的*佳治疗方法。

　　相关研究结果已发表在国际期刊《自然通讯》上，在本文中，研究人员使用了深度学习模型来展示如何使用正电子成像/计算机断层扫描放射混合（PET/CT）进行识别。哪些非小细胞肺癌患者对酪氨酸激酶治疗敏感，哪些患者可以从免疫检查点抑制剂治疗中受益；该模型是一种放射性示踪元素18F-氟脱氧葡萄糖（18F-fluorodeoxy）葡萄糖，一种使用18F-FDGPET/CT成像进行PET/CT成像的碳水化合物分子，描述了异常的葡萄糖代谢位点，有助于准确分析患者的肿瘤特征。研究员Matthew Schabath博士说，这种成像技术称为18F-FDGPET/CT，被广泛用于对非小细胞肺癌患者进行分期。葡萄糖放射性示踪剂元素的使用通常受患者体内EGFR激活和炎症的影响。 EGFR（表皮生长因子受体）是非小细胞肺癌患者*常见的突变。 EGFR的突变状态被认为是患者治疗的预测指标。 EGFR活性突变的患者通常需要酪氨酸激酶治疗。

　　在这项研究中，研究人员使用来自两家中国机构的非小细胞肺癌患者的回顾性数据，开发了一种基于18F-FDGPET/CT的深度学习模型。这两个机构是上海龙。这种医院模型和河北医科大学附属医院4可以通过为每位患者生成EGFR深度学习评分来对患者体内EGFR突变状态进行分类。创建后，研究人员可以使用来自其他两个机构的患者。数据确认模型。其他两个机构是哈尔滨医学院第四附属医院和Mofit癌症研究中心。

　　研究员WeiMu在先前的研究中说，他使用放射性混合作为一种非侵入性方法来预测患者体内EGFR突变状态，但与其他研究相比，我们的研究员该分析可以更准确地预测患者体内的EGFR突变。同时，它可以产生许多好处，例如来自上述四个机构的多队列数据的训练，验证和深度学习分数检测，这可以增加模型的多样性。据研究人员称，深度学习分数通常与酪氨酸激酶治疗的患者更长的无进展生存期呈正相关，而接受免疫检查点抑制剂免疫疗法的患者的持续临床实践则与正相关。我们发现生存率与更长的无进展生存率之间存在负相关关系，后来研究人员在实践中用不同的治疗方法评估了这种新模型。我们想进行更详细的研究，以确认它可以用作临床决策支持工具。