壹生资讯-多模态AI分析技术助力HER2阳性胃癌患者治疗响应精准预测

您已通过HCP身份认证和信息审核

(

多模态AI分析技术助力HER2阳性胃癌患者治疗响应精准预测

2024-11-02作者：论坛报晶资讯

非原创

2024年8月26日，北京大学肿瘤医院沈琳教授团队与北京大学董彬教授团队在《Signal Transduction and Targeted Therapy》（影响因子：40.8）上发表了一篇开创性的研究文章，题为“Predicting gastric cancer response to anti-HER2 therapy or anti-HER2 combined immunotherapy based on multi-modal data”。这项研究通过人工智能技术开发了一个多模态肿瘤治疗响应预测模型MuMo，并且汇集了429名HER2阳性胃癌患者的多中心数据队列，涵盖影像学图像、结构化影像报告、病理学图像、病理结构化报告及详尽的临床信息等多模态信息。MuMo模型打破了传统单一数据模式的局限，全面捕捉患者的疾病特征，有效应对临床中模态数据的潜在缺失问题。这项研究进展在临床上的应用潜力能为HER2阳性胃癌患者提供更精确的治疗方案，展示了多模态分析技术在临床决策中具有重要的支撑作用。

在胃癌治疗领域，针对HER2阳性患者的抗HER2治疗响应存在显著的个体差异，这为临床决策带来了诸多挑战。近年来，人工智能（Artificial Intelligence, AI）技术在癌症治疗响应预测方面的应用日益增多，其核心任务是利用患者初期治疗的数据预测其对特定治疗方案的响应程度。这种预测能够帮助医生及早了解治疗可能的结果，并选择最佳的治疗策略，旨在最大化治疗效果并延长患者生存期。然而，目前大多数研究仍依赖于单一模态数据，如仅使用影像（如CT）或病理数据（如H&E染色的扫描切片），这限制了模型捕捉患者间复杂异质性的能力，并难以全面反映疾病特征，尤其是在处理HER2阳性胃癌患者时。因此，迫切需要开发一种能够综合多模态临床数据的AI模型，以全面分析和精确预测患者对治疗的响应，为制定个性化治疗策略提供科学依据。

图1：基于AI技术的多模态癌症治疗响应预测模型（MuMo）

在本研究中，北京大学肿瘤医院的沈琳教授团队与北京大学董彬教授团队共同收集了大样本HER2阳性胃癌患者的多中心数据集，涵盖了429名患者的临床信息、影像学图像、影像结构化报告、病理学图像及病理结构化报告。基于此数据集，本研究开发了一种新型的由AI驱动的多模态癌症治疗响应预测模型MuMo（图1）。该模型能够有效整合不同模态的数据，全面刻画患者的疾病特征，并应对临床场景中模态数据缺失的问题，实现对HER2阳性胃癌患者抗HER2治疗响应的精准预测。

图2：MuMo模型的性能评估

研究显示，MuMo模型在预测HER2阳性胃癌患者对抗HER2治疗方案及联合免疫治疗的响应方面，分别取得了AUC值0.821和0.914的显著成绩（图2），这些成绩不仅优于单一医生的预测结果，还与六位医生的会诊结果相当。此外，MuMo模型的预测结果能有效地将患者分为高风险组和低风险组，从而提供更有针对性的治疗建议。此外，基于AI技术的MuMo模型显示出比人工评估更加稳定和一致的预测结果，进一步分析还揭示了MuMo模型预测与现有临床知识之间的高度一致性。这一系列成果突显了多模态数据分析在提高疗效评估和实现个性化医疗中的重要性，并展示了AI模型在临床上的潜在价值和实用性。

图3：基于多模态数据的癌症治疗响应预测分析方法

随着医疗数据分析技术的不断进步，整合多模态数据已成为提高治疗响应预测准确性和实现个性化治疗的关键。本研究为HER2阳性胃癌患者的抗HER2治疗响应预测提供了新的视角和策略，未来这种方法有望在更广泛的癌症治疗领域中得到应用，为患者带来更精准的治疗选择和改善生存预期（图3）。本研究体现了北京大学大数据科学研究中心、北京大学北京国际数学研究中心以及北京大学肿瘤医院通力合作，第一作者：陈梓帆、陈杨、孙宇、唐磊、张立，通讯作者为：张小田教授、董彬教授和沈琳教授。

来源：北京大学肿瘤医院消化内科

200 评论

知情同意书

多模态AI分析技术助力HER2阳性胃癌患者治疗响应精准预测

热门资讯

关于我们

中国医学论坛报微信矩阵

助力乡村振兴帮扶行动

友情链接