预测胃癌治疗疗效与风险评估的AI模型？沈琳教授、董彬教授团队登刊STTT

*仅供医学专业人士阅读参考

AI引领未来，开启HER2阳性胃癌治疗新篇章

撰文丨Key

随着医疗科技的飞速发展，人工智能（AI）正逐步渗透并深刻改变着胃癌治疗的格局。作为消化系统最常见的恶性肿瘤之一，胃癌的治疗一直面临着巨大的挑战，尤其是针对HER2阳性胃癌患者，其治疗响应的个体差异显著，给临床决策带来了诸多困难。然而，近年来，AI技术的引入为胃癌治疗带来了新的曙光。

近期，来自北京大学肿瘤医院沈琳教授团队和北京大学北京国际数学研究中心董彬教授团队在学术期刊Signal Transduction and Targeted Therapy（STTT；IF：40.8）上，共同揭晓了一项具有里程碑意义的研究成果。该研究创新性地运用AI技术，成功构建了名为MuMo的多维度肿瘤治疗反应预测模型，通过汇聚429例HER2阳性胃癌患者的跨中心数据集，包括影像学图像、报告、病理学图像以及临床资料等，构成了一个多模态的信息宝库。本文将梳理重要研究结果和意义，以飨读者。

图1 文献截图[1]

多模态AI在胃癌治疗中的潜力：精准预测HER2阳性患者治疗响应

近年来，AI通过深度学习分析能够精准预测胃癌患者对特定治疗方案的响应，从而为医生提供科学的决策支持。这种个性化治疗策略的制定，有助于最大化治疗效果，减少不必要的治疗风险，并有望延长患者的生存期。然而单一模式数据的单独使用往往无法捕捉患者之间复杂的异质性，包括HER2阳性胃癌（GC）治疗中抗HER2治疗的耐药性和联合治疗方案的结果的变异性。许多研究都没有充分考虑到这种模态缺陷。此外，AI在预测治疗反应方面的应用，特别是在GC等复杂疾病中的应用，仍处于起步阶段。因此，本研究旨在采用综合分析方法准确预测HER2阳性GC患者抗HER2治疗或抗HER2联合免疫治疗的治疗反应。

本研究纳入了来自北京大学肿瘤医院、南方医科大学南方医院和北京大学第三医院的17,787例GC患者，广泛收集多模式数据集，包括放射学、病理学和患者信息，采用严格的纳排标准来完善本研究队列（图2）。最终形成了一份涵盖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，其中310名患者接受抗HER2治疗，119名患者接受抗HER2和抗PD-1/PD-L1抑制剂免疫联合治疗。沈琳教授团队和董彬教授团队研发了一种深度学习模型，称为多模态模型（MuMo），它整合了上述患者数据，以做出精确的治疗反应预测（图3）。

图2 多中心研究HER2阳性胃癌患者的多模态数据收集和筛选流程图

图3 基于AI技术的多模态癌症治疗响应预测模型（MuMo）

MuMo模型精准预测，

优化胃癌治疗策略

结果显示，MuMo模型在评估抗HER2治疗组时，其曲线下面积（AUC）高达0.821，而在联合免疫治疗组的评估中更是达到了0.914的优异表现。这些成绩不仅显著超越了单一医生的预测准确性，还达到了与六位资深医生会诊结果相媲美的高度，彰显了MuMo模型在GC治疗响应预测中的卓越潜力和临床价值。

此外，MuMo模型凭借其精准的预测能力，成功地将患者精准划分为高风险组与低风险组。尤为显著的是，被归类为低风险组的患者，其无进展生存期（PFS）及总生存期（OS）均实现了显著延长（P<0.05），这一发现为优化治疗策略、提升患者预后质量提供了强有力的数据支持（图4）。

图4 MuMo模型在GC治疗领域的性能评估

因此，MuMo模型的出现，标志着对传统单一数据源分析框架的超越，它能够全方位、多角度地捕捉患者的疾病特征，有效克服了临床实践中可能遇到的多模态数据缺失难题。这一科研进展预示着在临床实践中，MuMo模型具备为HER2阳性胃癌患者量身定制更为精准治疗策略的巨大潜力，彰显了多模态分析技术在优化临床决策过程中的核心价值与不可或缺性。

总结

随着医疗数据分析领域的持续革新，多模态数据的深度融合正逐步成为提升治疗响应预测精准度、推动个性化医疗实践的核心驱动力。 本研究针对HER2阳性胃癌患者，开创性地探索了抗HER2治疗响应的预测路径，不仅为这一特定癌症类型的治疗策略提供了新颖见解，更为未来癌症治疗领域的广泛实践铺设了基石。

期待此类基于多模态数据的高级分析方法有望渗透至更多类型的癌症治疗中，引领治疗决策的深刻变革，为患者量身定制治疗方案，从而显著提升治疗效果，延长生存期限，开启癌症治疗的新篇章！

参考文献：

[1] Chen Z, Chen Y, Sun Y, et al. Predicting gastric cancer response to anti-HER2 therapy or anti-HER2 combined immunotherapy based on multi-modal data. Signal Transduct Target Ther. 2024 Aug 26;9（1）:222.

审核专家：于江泳教授

责任编辑：Sheep

*医学界力求其发表内容专业、可靠，但不对内容的准确性做出承诺；请相关各方在采用或以此作为决策依据时另行核查。