8月26日,，北京大學(xué)董彬教授團(tuán)隊(duì)和北京大學(xué)腫瘤醫(yī)院沈琳教授團(tuán)隊(duì)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(xiàng)研究通過人工智能技術(shù)開發(fā)了一個(gè)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(duì)列,，涵蓋影像學(xué)圖像、結(jié)構(gòu)化影像報(bào)告,、病理學(xué)圖像,、病理結(jié)構(gòu)化報(bào)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(xiàng)研究進(jìn)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(gè)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(shí),。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(gè)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(tuán)隊(duì)和沈琳教授團(tuán)隊(duì)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(bào)告,、病理學(xué)圖像及病理結(jié)構(gòu)化報(bào)告,?；诖藬?shù)據(jù)集,，本研究開發(fā)了一種新型的由AI驅(qū)動(dòng)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(shí)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(huì)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(xiǎn)組和低風(fēng)險(xiǎn)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(jìn)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(shí)現(xiàn)個(gè)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(jià)值和實(shí)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(jìn)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(shí)現(xiàn)個(gè)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(tuán)隊(duì)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(jī)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(shí)驗(yàn)室機(jī)器學(xué)習(xí)中心主任，北京大學(xué)長沙計(jì)算與數(shù)字經(jīng)濟(jì)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?yàn)闄C(jī)器學(xué)習(xí),、科學(xué)計(jì)算和計(jì)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(rèn)識,并啟發(fā)了解決復(fù)雜的計(jì)算成像問題的新算法,。此外,董彬團(tuán)隊(duì)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(jī)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(jì)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(shí)現(xiàn)轉(zhuǎn)化,。董彬于2014年獲得求是杰出青年學(xué)者獎(jiǎng),，2022年受邀在世界數(shù)學(xué)家大會(huì)（ICM）做45分鐘報(bào)告，2023年入選新基石研究員項(xiàng)目,，同年獲得王選杰出青年學(xué)者獎(jiǎng),。

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(xiàn)專家,、國家重點(diǎn)研發(fā)計(jì)劃慢病專項(xiàng)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(yàn)病區(qū)主任、中國抗癌協(xié)會(huì)腫瘤精準(zhǔn)治療專業(yè)委員會(huì)主任委員、中國抗癌協(xié)會(huì)腫瘤藥物臨床研究專業(yè)委員會(huì)首屆主任委員,、中國臨床腫瘤學(xué)會(huì)臨床研究專家委員會(huì)主任委員,、中國臨床腫瘤學(xué)會(huì)胃癌專家委員會(huì)候任主任委員、中國抗癌協(xié)會(huì)大腸癌專業(yè)委員會(huì)副主任委員及中國女醫(yī)師協(xié)會(huì)臨床腫瘤專業(yè)委會(huì)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