Nature子刊：人工智能解开基因线索，个性化癌症治疗

　　

南加州大学计算机科学助理教授刘瑞山领导的一项开创性研究揭示了特定基因突变如何影响癌症治疗结果，这些见解可以帮助医生更有效地定制治疗方案。该研究是同类研究中规模最大的，分析了20种癌症类型的78000多名癌症患者的数据。患者接受了免疫治疗、化疗和靶向治疗。

利用先进的计算分析，研究人员确定了近800种直接影响生存结果的基因变化。他们还发现了95个与乳腺癌、卵巢癌、皮肤癌和胃肠道癌等癌症的存活显著相关的基因。

“通过了解不同的突变如何影响治疗反应，医生可以选择最有效的治疗方法。”Ruishan Liu说。

基于这些见解，该团队开发了一种机器学习工具来预测晚期肺癌患者对免疫治疗的反应。

Ruishan Liu说：“这些发现强调了基因图谱在个性化癌症治疗中发挥的关键作用。通过了解不同的突变如何影响治疗反应，医生可以选择最有效的治疗方法——潜在地避免无效的治疗方法，并专注于那些最有可能帮助的治疗方法。”

该研究发表在《自然通讯》杂志上，强调了TP53、CDKN2A和CDKN2B等基因在影响治疗结果方面的关键作用，并用现实世界的数据验证了这些关联。

研究的共同作者是基因泰克公司的Shemra Rizzo、Lisa Wang、Nayan Chaudhary；以及斯坦福大学的James Zou等。

为什么突变很重要？

基因突变——dna的变化——可以影响癌症的发展和患者对治疗的反应。一些突变是随机发生的，而另一些则是遗传的。

在癌症中，突变可以决定肿瘤是否更具侵袭性，或者它对某些治疗的反应如何。如今，基因检测越来越多地用于癌症治疗，以识别这些突变，使医生能够更准确地选择治疗方法。

例如，诊断为非小细胞肺癌（NSCLC）的患者经常接受KRAS、EGFR和ALK等基因突变的基因组检测，以确定靶向治疗或免疫治疗是否有效。

该研究的主要发现包括：

• 晚期非小细胞肺癌的KRAS突变与对常用治疗（EGFR抑制剂）的反应较差有关，这表明可能需要替代治疗。

• NF1突变改善了对免疫治疗的反应，并恶化了对某些靶向治疗的反应，突出了它们在治疗中的复杂作用。

• 调节细胞生长的PI3K通路突变，根据癌症类型有不同的影响，在乳腺癌、黑色素瘤和肾癌中有不同的反应。

• DNA修复途径突变通过增加肿瘤不稳定性来改善肺癌的免疫治疗效果。?免疫相关通路的突变与接受免疫治疗的肺癌患者更高的生存率相关，这表明并非所有突变都会阻碍治疗成功。

强大的预测工具

传统上，癌症治疗采用的是一刀切的方法，即同一类型的癌症患者接受相同的标准治疗，而这项研究强调了精准医疗的重要性，即根据患者独特的基因构成量身定制治疗方案。

然而，尽管存在大量的突变数据，但只有少数临床验证的治疗方法，限制了潜在的现实影响和患者益处。为了弥补这一差距，基于他们的发现，Liu的团队使用机器学习来分析多种突变如何相互作用以影响治疗结果。

“我们的目标是找到那些乍一看可能不明显的模式。”Ruishan Liu说。

他们开发了一个随机生存森林（RSF）模型，这是一个预测工具，旨在完善肺癌患者的治疗建议。通过将大规模真实世界数据与机器学习相结合，该模型确定了新的突变-治疗相互作用。

“我们的目标是找到乍一看可能不明显的模式，然后将这些见解转化为现实世界的工具，可以扩大癌症患者的免疫治疗，”Lui说。“一个关键的创新在于将大量数据与先进的统计和机器学习技术相结合，以发现以前未被识别的突变治疗相互作用。”

虽然还需要进一步的临床试验，但刘认为这项研究是使癌症治疗更加精确和个性化的重要一步。

“这项研究显示了计算科学在将复杂的临床和基因组数据转化为可操作的见解方面的力量，为能够直接改善患者护理的工具和知识做出贡献是非常令人满意的。”