8月26日，北京大學(xué)董彬教授團隊和北京大學(xué)腫瘤醫(yī)院沈琳教授團隊在《Signal Transduction and Targeted Therapy》（影響因子：40.8）上發(fā)表了一篇開創(chuàng)性的研究文章，題為“Predicting gastric cancer response to anti-HER2 therapy or anti-HER2 combined immunotherapy based on multi-modal data”。這項研究通過人工智能技術(shù)開發(fā)了一個多模態(tài)腫瘤治療響應(yīng)預(yù)測模型MuMo，并且匯集了429名HER2陽性胃癌患者的多中心數(shù)據(jù)隊列，涵蓋影像學(xué)圖像、結(jié)構(gòu)化影像報告、病理學(xué)圖像、病理結(jié)構(gòu)化報告及詳盡的臨床信息等多模態(tài)信息。MuMo模型打破了傳統(tǒng)單一數(shù)據(jù)模式的局限，全面捕捉患者的疾病特征，有效應(yīng)對臨床中模態(tài)數(shù)據(jù)的潛在缺失問題。這項研究進展在臨床上的應(yīng)用潛力能為HER2陽性胃癌患者提供更精確的治療方案，展示了多模態(tài)分析技術(shù)在臨床決策中具有重要的支撐作用。

在胃癌治療領(lǐng)域，針對HER2陽性患者的抗HER2治療響應(yīng)存在顯著的個體差異，這為臨床決策帶來了諸多挑戰(zhàn)。近年來，人工智能（Artificial Intelligence, AI）技術(shù)在癌癥治療響應(yīng)預(yù)測方面的應(yīng)用日益增多，其核心任務(wù)是利用患者初期治療的數(shù)據(jù)預(yù)測其對特定治療方案的響應(yīng)程度。這種預(yù)測能夠幫助醫(yī)生及早了解治療可能的結(jié)果，并選擇最佳的治療策略，旨在最大化治療效果并延長患者生存期。然而，目前大多數(shù)研究仍依賴于單一模態(tài)數(shù)據(jù)，如僅使用影像（如CT）或病理數(shù)據(jù)（如H&E染色的掃描切片），這限制了模型捕捉患者間復(fù)雜異質(zhì)性的能力，并難以全面反映疾病特征，尤其是在處理HER2陽性胃癌患者時。因此，迫切需要開發(fā)一種能夠綜合多模態(tài)臨床數(shù)據(jù)的AI模型，以全面分析和精確預(yù)測患者對治療的響應(yīng)，為制定個性化治療策略提供科學(xué)依據(jù)。

圖1：基于AI技術(shù)的多模態(tài)癌癥治療響應(yīng)預(yù)測模型（MuMo）

在本研究中，董彬教授團隊和沈琳教授團隊共同收集了大樣本HER2陽性胃癌患者的多中心數(shù)據(jù)集，涵蓋了429名患者的臨床信息、影像學(xué)圖像、影像結(jié)構(gòu)化報告、病理學(xué)圖像及病理結(jié)構(gòu)化報告。基于此數(shù)據(jù)集，本研究開發(fā)了一種新型的由AI驅(qū)動的多模態(tài)癌癥治療響應(yīng)預(yù)測模型MuMo（圖1）。該模型能夠有效整合不同模態(tài)的數(shù)據(jù)，全面刻畫患者的疾病特征，并應(yīng)對臨床場景中模態(tài)數(shù)據(jù)缺失的問題，實現(xiàn)對HER2陽性胃癌患者抗HER2治療響應(yīng)的精準(zhǔn)預(yù)測。

圖2：MuMo模型的性能評估

研究顯示，MuMo模型在預(yù)測HER2陽性胃癌患者對抗HER2治療方案及聯(lián)合免疫治療的響應(yīng)方面，分別取得了AUC值0.821和0.914的顯著成績（圖2），這些成績不僅優(yōu)于單一醫(yī)生的預(yù)測結(jié)果，還與六位醫(yī)生的會診結(jié)果相當(dāng)。此外，MuMo模型的預(yù)測結(jié)果能有效地將患者分為高風(fēng)險組和低風(fēng)險組，從而提供更有針對性的治療建議。此外，基于AI技術(shù)的MuMo模型顯示出比人工評估更加穩(wěn)定和一致的預(yù)測結(jié)果，進一步分析還揭示了MuMo模型預(yù)測與現(xiàn)有臨床知識之間的高度一致性。這一系列成果突顯了多模態(tài)數(shù)據(jù)分析在提高療效評估和實現(xiàn)個性化醫(yī)療中的重要性，并展示了AI模型在臨床上的潛在價值和實用性。

圖3：基于多模態(tài)數(shù)據(jù)的癌癥治療響應(yīng)預(yù)測分析方法

隨著醫(yī)療數(shù)據(jù)分析技術(shù)的不斷進步，整合多模態(tài)數(shù)據(jù)已成為提高治療響應(yīng)預(yù)測準(zhǔn)確性和實現(xiàn)個性化治療的關(guān)鍵。本研究為HER2陽性胃癌患者的抗HER2治療響應(yīng)預(yù)測提供了新的視角和策略，未來這種方法有望在更廣泛的癌癥治療領(lǐng)域中得到應(yīng)用，為患者帶來更精準(zhǔn)的治療選擇和改善生存預(yù)期（圖3）。本研究體現(xiàn)了北京大學(xué)大數(shù)據(jù)科學(xué)研究中心、北京大學(xué)北京國際數(shù)學(xué)研究中心以及北京大學(xué)腫瘤醫(yī)院通力合作，第一作者：陳梓帆、陳楊、孫宇、唐磊、張立，通訊作者為：張小田教授、董彬教授和沈琳教授。

團隊簡介

董彬，北京大學(xué)博雅特聘教授，任職北京國際數(shù)學(xué)研究中心，兼任國際機器學(xué)習(xí)研究中心副主任、國家生物醫(yī)學(xué)成像科學(xué)中心研究員，大數(shù)據(jù)分析與應(yīng)用技術(shù)國家工程實驗室機器學(xué)習(xí)中心主任，北京大學(xué)長沙計算與數(shù)字經(jīng)濟研究院副院長。2003年本科畢業(yè)于北京大學(xué)數(shù)學(xué)科學(xué)學(xué)院、2005年在新加坡國立大學(xué)數(shù)學(xué)系獲得碩士學(xué)位、2009年在美國加州大學(xué)洛杉磯分校數(shù)學(xué)系獲得博士學(xué)位。博士畢業(yè)后曾在美國加州大學(xué)圣迭戈分校數(shù)學(xué)系任訪問助理教授、2011－2014年在美國亞利桑那大學(xué)數(shù)學(xué)系任助理教授，2014年底入職北京大學(xué)。主要研究領(lǐng)域為機器學(xué)習(xí)、科學(xué)計算和計算成像。董彬和合作者一起揭示了偏微分方程與小波之間的深層聯(lián)系,改變了領(lǐng)域?qū)@兩類方法的一些既定認識,并啟發(fā)了解決復(fù)雜的計算成像問題的新算法。此外,董彬團隊還建立了微分方程和深層神經(jīng)網(wǎng)絡(luò)的聯(lián)系,由此發(fā)展了一種機理與數(shù)據(jù)融合的方法論,以應(yīng)對更具挑戰(zhàn)性的科學(xué)計算問題。在應(yīng)用落地方面，針對腫瘤診療問題，研發(fā)了一系列新的定量和定性分析算法和工具，在三甲醫(yī)院得到推廣，部分科研成果已實現(xiàn)轉(zhuǎn)化。董彬于2014年獲得求是杰出青年學(xué)者獎，2022年受邀在世界數(shù)學(xué)家大會（ICM）做45分鐘報告，2023年入選新基石研究員項目，同年獲得王選杰出青年學(xué)者獎。

沈琳，北京大學(xué)腫瘤醫(yī)院，主任醫(yī)師、教授，北京學(xué)者、北京市突出貢獻專家、國家重點研發(fā)計劃慢病專項首席科學(xué)家。長期致力于消化道腫瘤精準(zhǔn)治療與轉(zhuǎn)化研究、抗腫瘤新藥臨床研究。歷任北京大學(xué)腫瘤醫(yī)院副院長、北京市腫瘤防治研究所副所長?，F(xiàn)任消化腫瘤內(nèi)科主任，I期臨床試驗病區(qū)主任、中國抗癌協(xié)會腫瘤精準(zhǔn)治療專業(yè)委員會主任委員、中國抗癌協(xié)會腫瘤藥物臨床研究專業(yè)委員會首屆主任委員、中國臨床腫瘤學(xué)會臨床研究專家委員會主任委員、中國臨床腫瘤學(xué)會胃癌專家委員會候任主任委員、中國抗癌協(xié)會大腸癌專業(yè)委員會副主任委員及中國女醫(yī)師協(xié)會臨床腫瘤專業(yè)委會主任委員。

文章來源： 北京國際數(shù)學(xué)研究中心BICMR

轉(zhuǎn)載本網(wǎng)文章請注明出處