人工智能工具集将改变癌症的特征和治疗

　　

由加文医学研究所共同领导的跨国研究团队开发并测试了一种新的人工智能工具，以更好地表征肿瘤内单个细胞的多样性，为患者提供更有针对性的治疗打开大门。

有关人工智能工具 AAnet 的开发和使用的研究结果今天发表在美国癌症研究协会的期刊《癌症发现》上。

并非所有肿瘤细胞都一样

肿瘤并非由单一细胞类型构成——它们是由不同细胞混合而成，这些细胞以不同的方式生长并对治疗产生反应。这种多样性，或者说异质性，使得癌症更难治疗，并可能导致更糟糕的预后，尤其是在三阴性乳腺癌中。

“异质性是一个问题，因为目前我们治疗肿瘤时，就好像它们是由同一个细胞组成的一样。这意味着我们提供一种疗法，通过靶向特定机制杀死肿瘤中的大多数细胞。但并非所有癌细胞都可能拥有这种机制。因此，虽然患者可能最初有反应，但剩余的细胞可能会生长，癌症可能会复发，”该研究的共同资深作者、加文癌症可塑性和休眠项目联合主任、副教授克里斯汀·查弗 (Christine Chaffer) 说道。

尽管异质性是一个问题，但研究人员对其了解甚少，无法对其进行表征：“到目前为止，研究人员还无法清楚地解释肿瘤内相邻细胞之间的差异，以及如何将这些差异归类为更有意义的方法，从而更好地治疗肿瘤。但这正是我们需要了解的，这样我们才能用正确的疗法杀死肿瘤内的所有细胞。” Chaffer 副教授补充道。

一种新工具可以表征五种新的癌细胞群

为了解决这个问题，该团队开发并训练了一种名为 AAnet 的强大的新型 AI 工具，可以检测肿瘤内细胞的生物模式。

随后，他们利用人工智能工具揭示了肿瘤内单个细胞基因表达水平的模式，重点关注三阴性乳腺癌的临床前模型以及ER阳性、HER2阳性和三阴性乳腺癌的人类样本。通过这种方式，他们识别出肿瘤内五种不同的癌细胞群，这些细胞群具有不同的基因表达谱，表明细胞行为存在巨大差异。

“通过使用我们的人工智能工具，我们能够在单个肿瘤中持续发现五组新的细胞类型，我们称之为‘原型’。每组细胞都表现出不同的生物学途径和生长、转移倾向，以及不良预后的标志物。我们下一步是观察这些细胞类型如何随时间变化，例如在化疗前后的变化，”Chaffer副教授说道。

这是癌症研究领域的首例。该人工智能工具的联合负责人、耶鲁大学副教授Smita Krishnaswamy表示：“得益于科技进步，过去20年单细胞水平的数据呈爆炸式增长。通过这些数据，我们发现不仅每位患者的癌症情况不同，而且每个癌细胞的行为也各不相同。我们的研究首次利用单细胞数据将细胞状态的连续性简化为几个有意义的原型，通过这些原型可以分析细胞多样性，从而发现与肿瘤空间生长和代谢组学特征之间的关联。这可能会改变整个研究格局。”

新的分类将推动更好的、有针对性的治疗

研究人员表示，使用 AAnet 根据生物学特性对肿瘤内不同细胞群进行表征，为我们治疗癌症的方式的范式转变打开了大门。

目前，患者癌症治疗方案的选择主要取决于癌症来源器官，例如乳腺癌、肺癌或前列腺癌，以及癌症可能表现出的任何分子标记。但这假设癌症中的所有细胞都是相同的。而现在，我们有了一种工具来表征患者肿瘤的异质性，并真正了解每组细胞在生物学层面上的作用。借助AAnet，我们现在希望改进联合疗法的合理设计，我们知道这些疗法将通过其生物学途径分别针对不同的细胞组。这有可能极大地改善患者的治疗效果，”Chaffer副教授说道。

关于AAnet的应用，该研究的共同资深作者、加文癌症中心首席科学官Sarah Kummerfeld教授表示：“我们设想未来医生将这种人工智能分析与传统的癌症诊断相结合，开发出更加个性化的治疗方法，针对个体肿瘤内的所有细胞类型。这些成果代表了尖端技术与生物学的真正融合，可以改善患者护理。我们的研究重点是乳腺癌，但它也可以应用于其他癌症和自身免疫性疾病等疾病。这项技术已经存在。”