免疫治療在癌癥統治的世界里不斷攻城略地。

癌癥患者看到了生的希望，但遺憾的是患者很難知道自己究竟是不是免疫治療澤被的那些人。

目前的臨床統計顯示，PD-1抑制劑只能在20%-50%的晚期實(shí)體瘤病人中發(fā)揮作用[1]。受益的患者究竟是誰(shuí)？目前找到這些患者的手段有限。

因此，找到一種可靠的生物標志來(lái)指導免疫治療迫在眉睫！

近日，來(lái)自法國的EricDeutsch博士團隊借助人工智能之力，給我們帶來(lái)了新的希望。他們用癌癥患者的CT圖像訓練人工智能，得到一個(gè)可以通過(guò)患者的CT影像準確預測PD-1抑制劑治療效果的人工智能平臺。

這個(gè)人工智能平臺可以區分患者對免疫治療響應的程度，那些被認為有效的患者的中位生存期（24.3個(gè)月），比預測無(wú)效患者的中位生存期（11.5個(gè)月），提高了一倍以上（延長(cháng)了1年多），效果相當明顯！這項成果發(fā)表在最新一期的《柳葉刀-腫瘤學(xué)》上[2]。

你可能會(huì )疑惑，免疫治療不是分子層面的嗎？而CT成像可是肉眼可見(jiàn)的宏觀(guān)層面，這兩者是如何結合在一起的呢？

這就是人工智能的魅力所在了，讓奇點(diǎn)糕為你慢慢道來(lái)。

首先，我們來(lái)看看到底免疫治療會(huì )對什么樣的腫瘤起作用。

說(shuō)起免疫治療，我們都知道是借助我們自身的免疫系統攻擊腫瘤。那腫瘤里面或者附近必須得有充足的免疫細胞，對吧。

之前有報道，免疫治療的效果和腫瘤是否被免疫細胞浸潤有關(guān)[3,4,5,6]。如果腫瘤組織中有豐富的CD8細胞（又叫細胞毒性T細胞），而且腫瘤細胞還大量表達PD-L1等檢查點(diǎn)標志物，還有大量的基因突變的話(huà)，這些腫瘤往往對免疫療法有反應[7,8,9]。

所以啊，現在有一些方法，例如分析腫瘤組織的PD-L1表達水平，或者分析腫瘤組織的突變負荷?？梢栽谝欢ǔ潭壬项A測患者對免疫治療的響應程度，但是目前的研究表明，僅靠這兩個(gè)手段還不夠啊。

而且這兩個(gè)預測方法還有個(gè)比較明顯的缺憾是，都需要做腫瘤組織活檢。

Deutsch博士想到了CT成像。

現在高維醫學(xué)成像已經(jīng)能在宏觀(guān)上把腫瘤看得明明白白。但是科學(xué)家的野心不止于此，他們希望能用這雙火眼金睛，直接看到腫瘤組織的細胞和分子層面上去，徹底認清腫瘤的本質(zhì)。

也就是說(shuō)，Deutsch博士團隊直接想從患者腫瘤組織的CT影像上看出腫瘤里面的免疫細胞水平，然后預測患者對免疫治療響應的程度。

于是Deutsch博士就有了一個(gè)大膽的設想——在人工智能的幫助下，用醫學(xué)成像去指導免疫治療。

說(shuō)干就干，科學(xué)家們很快就將這個(gè)想法付諸行動(dòng)了。

他們選取了一個(gè)叫MOSCATO的隊列[10]，這個(gè)隊列的135名患者都患有晚期實(shí)體瘤，并且他們的CT圖像以及腫瘤組織的轉錄組測序數據都有保存。其中，這些轉錄組測序數據可以用來(lái)計算腫瘤中CD8細胞的數量。

別看只有135個(gè)患者的數據影像和轉錄組數據，這些數據里面蘊藏的信息那真是海量，人力完全沒(méi)辦法分析。

所以，研究人員就一股腦將這些數據交給了機器學(xué)習平臺，讓機器自己去尋找規律。沒(méi)有讓研究人員失望，機器學(xué)習幫助他們找到了規律，開(kāi)發(fā)出了一個(gè)可以預測腫瘤組織中免疫細胞數量的算法。

但這個(gè)算法是不是靠譜還需要進(jìn)一步驗證。

研究者們又用了一個(gè)叫TCGA隊列[11,12]，包括119名患者，這些患者也都有CT圖像和轉錄組測序數據。用算法計算這隊列的CD8細胞數量，與對應轉錄組數據計算的數量一致，表明算法是可靠的。

不過(guò)，這只能說(shuō)明這個(gè)算法從CT圖像上讀取的免疫細胞信息，能和腫瘤組織轉錄組反應的腫瘤細胞信息一致。

到底準不準，還得靠實(shí)踐來(lái)檢驗。

于是，研究人員又找到了第三個(gè)隊列。這個(gè)隊列共有100名患者，這個(gè)隊列的獨特之處在于，所有患者的腫瘤組織都被準確的分型了。意思就是，這些患者腫瘤組織的免疫細胞情況是已知的。

這100名患者的腫瘤組織被分成了3種類(lèi)型：免疫浸潤型，免疫排斥型，和免疫荒漠型[13]。免疫浸潤型的腫瘤被免疫細胞大量滲透；免疫排斥型則會(huì )阻止T細胞浸潤；而免疫荒漠型的腫瘤幾乎沒(méi)有T細胞浸潤。

分析結果表明，通過(guò)算法給圖像評分，評分預測的免疫表型可以很好地與已知結果對應上。這一關(guān)也過(guò)了。

既然能判斷免疫表型，那這個(gè)表型能預測免疫治療的效果嗎？算法還要經(jīng)歷最終極的考驗。

最后的檢驗隊列包括137名患者，都接受過(guò)免疫治療，治療后經(jīng)過(guò)了隨訪(fǎng)，隨訪(fǎng)的中位值是16.5個(gè)月[14,15]。

利用久經(jīng)檢驗的人工智能平臺對隨訪(fǎng)記錄進(jìn)行分析研究發(fā)現，在治療的頭三個(gè)月，評分高的患者（23%）對治療有反應，而評分低的患者（77%）沒(méi)有反應，不過(guò)差距并不顯著(zhù)。但是在第六個(gè)月，這個(gè)差距變得非常明顯。

更重要的是，評分高的患者的中位生存期（24.3個(gè)月）明顯高于評分低的患者（11.5個(gè)月），中位生存期提升1年以上，效果非常明顯，終極考驗通過(guò)！

至此，我們可以說(shuō)，這個(gè)利用人工智能得到的影像信號，能出色地預測免疫治療的效果！

當然，要真正走向實(shí)際應用，在這項回顧性試驗的基礎上，還需進(jìn)行臨床試驗。事實(shí)上，這一天也不會(huì )等很久，到目前，已經(jīng)有27個(gè)利用影像數據指導臨床腫瘤治療的試驗已經(jīng)登記（ClinicalTrials.gov）。

而且，這個(gè)項研究還存在一些局限性，比如腫瘤還存在更多的免疫亞型[16]，影像信號還需要做到更加精細的區分，以便于對免疫療法做出更準確的指導。

盡管如此，我們仍對人工智能加持的影像組學(xué)充滿(mǎn)期待。相比組織活檢，CT掃描是無(wú)創(chuàng )的，對身體沒(méi)有傷害，對于那些不適合或者不愿意做組織活檢患者而言，這無(wú)疑是個(gè)更好的選擇。此外，相對于測序，影像檢查也更加廉價(jià)，也是一個(gè)不小的優(yōu)勢。

人工智能在疾病治療中的應用越來(lái)越多，相信未來(lái)會(huì )有更多的疑難雜癥會(huì )被克服。而現在，癌癥免疫治療檢測的新時(shí)代要來(lái)臨了！