美国研究人员最近开发了一种人工智能模型，可以为胶质母细胞瘤患者设计最小剂量给药方案，在缩小肿瘤的同时降低药物的毒副作用，提高患者的生活质量。
胶质母细胞瘤是一种常见的恶性脑肿瘤。常见的治疗方法是尽可能切除肿瘤，然后采取放化疗延长生命。同时需要服用多种药物。为了尽可能缩小肿瘤，医生通常会在安全剂量范围内给患者开出最大剂量的药物，但这些药物由于药性较强，往往会给患者带来一些毒副作用。
美国麻省理工学院研究人员新开发的人工智能模型，可以通过学习现有的给药方案反复调整剂量，在缩小肿瘤的同时找到尽可能小的剂量和频率，最终找到最佳治疗方案。
基于50名胶质母细胞瘤患者的训练数据，机器学习模型为每个患者模拟了大约20，000次给药试验。训练结束后，机器学习模型掌握了最佳给药方案的参数。当新患者的数据提供给系统时，机器学习模型可以根据这些参数和患者的个体情况设计新的给药方案。发现人工智能模型设计的方案，对于不同的患者，可以减少四分之一或者将近一半的剂量。有时，即使不使用某些药物，肿瘤缩小也可达到与传统方案相当的水平。
研究人员表示，他们希望帮助患者缩小肿瘤，同时确保他们的生活质量。此外，这种机器学习模型的架构也有助于精准医疗的发展。这一人工智能系统的研究论文将在“2018医疗保健中的机器学习”会议上发布，该会议将于8月17日至18日在美国斯坦福大学举行。
事实上，在过去的几年里，麻省理工学院(MIT)一直没有停止对肿瘤的预防、诊断和治疗的研究。
2017年10月，当时麻省理工学院计算机科学与人工智能实验室(CSAIL)与哈佛医学院合作，开发了一种可以判断恶性肿瘤的AI。它可以通过查看患者的x光照片来判断是否是乳腺癌。相关论文发表在期刊《放射学》(放射学)。
这项研究由麻省理工学院计算机科学教授Regina Barzilay领导，她获得了哥伦比亚大学计算机科学博士学位。她在2014年被确诊为乳腺癌，但幸运的是，如果这种癌症发现得早，往往是可以治愈的，她是幸运者之一。治愈后，Barzilay教授将自己的研究领域(机器学习)与癌症和肿瘤相结合，致力于将AI应用于医疗健康行业。
最新研究用于早期乳腺癌的诊断。因为如果乳腺癌发现得早，是可以治愈的。然而，现有的发现乳腺癌的方法主要是X射线照片。医生可以通过观察患者的x光照片来判断是良性肿瘤还是可能发展成恶性肿瘤的异常肿瘤。如果发现高危异常，医生将对患者进行针吸活检测试。到这一步，70%的患者其实是良性的，20%是恶性的，10%是高危病变(这部分可能是良性也可能是恶性)。
接下来这10%的高危病变患者会因为无法判断是恶性还是良性而进行切除治疗(当然对于那20%的恶性肿瘤会安排切除)，但问题是在这10%的高危病变患者中，90%切除后会发现是良性的，不会发展成癌。
也就是说，这些高等级的患者会接受痛苦而昂贵的治疗，但其中90%其实是没有必要的。但根据现有的医学方法，无法完全判断这些高水平患者哪些是恶性，哪些是良性。那还不如交给AI。该团队使用600例高危病变的信息，包括X切片、家族史、体检数据、病理报告和其他数据，来训练AI。
然后，335个病例(从那时起全部发展为恶性)被用于测试AI，并且其诊断的成功率是百分之九十七。理论上，大量患者可以避免昂贵而痛苦的切除手术。
事实上，不仅是MIT，越来越多的机构都在用AI和数学模型来抵御人类最大的健康敌人——癌症的入侵。
以下是近两年来一些最新的国际研究成果：
[1]同期两篇《自然》文章：科学家开发出第一个可以预测癌症患者免疫治疗成功的数学模型。
doi:10.1038/nature24462
最近，在国际杂志《自然》上发表的一份研究报告中，来自西奈山伊坎医学院的研究人员开发了第一个数学模型，预测癌症患者将如何受益于特异性免疫疗法。
长期以来，研究人员一直希望找到一种方法来帮助确定患者是否会对新的检查点抑制剂免疫疗法产生反应，并更好地了解这种新疗法如何有效治疗肿瘤；在这项研究中，研究人员提出的数学模型可以收集肿瘤演变的各个方面的信息以及肿瘤与免疫系统相互作用的细节，并且可以比以前的基因生物标志物更准确地预测肿瘤将如何对免疫疗法做出反应。
研究人员本杰明格林鲍姆(Benjamin Greenbaum)博士说，我们展示了一种跨学科的方法来研究免疫疗法和肿瘤免疫监督之间的关系。这种新方法有望帮助我们开发更好的预测模型，并设计新的治疗方法，以促进免疫系统识别和杀死肿瘤。此外，研究人员开发的新模型还可以帮助找到免疫系统的新靶点，为那些对免疫疗法没有反应的患者设计新疫苗。
[2] JCO:新模型可能通过预测肾功能有效提高癌症患者的化疗剂量。
DOI:10.1200/JCO.2017.72.7578
日前，在《国际临床肿瘤学杂志》发表的研究报告中，来自剑桥大学的研究人员开发了一种新的统计模型，可以评估癌症患者的肾功能。研究人员认为，这个模型可能是目前最准确的一个。它可以帮助癌症研究人员安全有效地治疗患者，同时可以提高患者使用的化疗药物剂量的准确性。目前这款机型可以在线免费使用。
肾脏在体内发挥多种重要功能，包括过滤血液中的废物和毒素，产生维生素D，以及调节血压。肾脏的过滤功能通常可以通过肾小球滤过率(GFR)来衡量，肾小球滤过率是血液通过肾小球的速率，肾小球是位于肾脏中的小血管。确定GFR是非常重要的，因为肾功能的评估可以表明疾病进展的程度，药物治疗是否会对关键功能产生副作用等。
研究人员Tobias Janowitz博士表示，几乎每个癌症患者都需要进行肾功能测量，其中报告的GFR值用于评估，这将影响临床上的许多治疗作用。但到目前为止，我们还没有最好的方法来为癌症患者提供测得的GFR值。由于GFR的测定对日常临床实践具有重要意义，研究人员需要开发一种新的模型来评价GFR。
[3] SCIREP:科学家们有望利用数学模型为癌症开发新的个体化化疗策略。
doi:10.1038/srep43294
近日，在国际期刊《科学报告》(Scientific Reports)上发表的一篇研究报告中，来自佛罗里达州立大学的研究人员利用数学模型成功找到了对癌症患者最有效的化疗方法。在这篇论文中，研究人员张金凤及其同事开发的一种新的统计模型可以根据肿瘤的基因表达特征对患者使用的化疗方法进行排序。这种排名不仅考虑了治疗在抵御癌症方面的有效性，还考虑了患者所用药物引起的疼痛程度。
研究人员表示，与10年前相比，癌症患者现在有更多的治疗选择。然而，考虑到治疗癌症的机会相对较短，明确患者对不同治疗的反应非常重要。现在，我们可以利用患者体内肿瘤细胞的基因组信息，了解患者对治疗的反应，进而解决精准医疗面临的问题。
癌症的治疗对科学家来说非常困难，通常被认为是最好的治疗方法的化疗往往是有毒的，并且有一些副作用。肿瘤学家通常根据肿瘤分期和其他临床信息制定癌症治疗方法；研究人员在论文中开发的技术可以帮助临床医生从患者体内提取肿瘤样本，并分析肿瘤基因表达特征。然后，基于相关的研究结果，这个新的数学模型可以对不同的疗法进行排序，并最终告诉医生哪种疗法是最好的。
[4] PLOS计算机生物：科学家开发计算模型来分析癌细胞代谢，并为防止癌症转移提供目标。
doi:10.1371/journal.pcbi
最近，来自冰岛大学的研究人员建立了一个计算模型，通过分析乳腺上皮细胞的代谢特征和信号通路来研究癌症转移，这可能有助于开发细胞特异性抗癌干预措施。相关研究成果发表在国际学术期刊《Plos计算生物学》上。
由于大多数乳腺癌起源于乳腺上皮细胞，为了探索乳腺癌转移的机制，科学家构建了一个数学模型来分析乳腺上皮细胞的代谢特征。该模型专门用于研究上皮间质转化过程，上皮间质转化是癌症发展和转移过程中的重要事件。
在上皮间质转化过程中，一些信号通路的变化会影响代谢过程，其中一个关键的变化是负责调节哺乳动物细胞生长、存活、增殖和分化的EGFR信号通路的变化。EGFR信号往往影响肿瘤细胞的代谢率，控制癌症的进展，因此这种信号通路的紊乱是肿瘤转移的标志。
[5] NAT biotechnol:工程人类结肠组织模型或帮助癌症研究。
doi:10.1038/3586
基因突变是导致癌症的主要原因，追踪每个基因在癌症发病中的作用可能是抵抗疾病发生的重要工具。癌症每年导致160多万人死亡。
多年前，科学家们发展出一种正向遗传学的方法，即在果蝇基因组中插入信息，识别哪些基因变化会诱发疾病。然而，到目前为止，似乎不可能在人体器官中进行同类型的研究。然而，最近，康奈尔大学和威尔康奈尔医学院的研究人员在《自然生物技术》杂志上发表了一篇题为“最近完成的人类结肠模型识别癌症驱动基因”的研究论文。在这篇论文中，研究人员使用组织工程方法来筛选人类组织的阳性遗传学。
研究员萨缪尔埃克特(Samuel b . Smith)教授表示，你无法在人体组织中很好地进行实验，因此拥有一个人体系统似乎是一项非常强大的技术，它将帮助我们在受控的环境中观察每个遗传特征的变化。在本文中，我们通过从正常人结肠组织中去除细胞，建立了一个人结肠模型，同时该模型保留了大部分细胞粘附分子，以便研究人员可以直接将结肠镜检查患者样本和市售细胞注射到结肠组织模型2中。
[6]癌细胞：一种新的实验模型揭示了儿童脑癌的发病机理。
DOI:10.1016/j . ccell . 2017 . 09 . 014
小儿高级别胶质瘤是儿童死亡的主要原因之一。细胞癌变的原因一直被认为是参与大脑发育的关键蛋白质的突变。然而，由于缺乏可靠的动物模型，我们无法深入了解这种疾病。最近，来自德国神经退行性疾病中心的研究人员开发了一种新的实验动物模型，可以准确地复制儿童恶性胶质瘤的症状。这一成果为进一步了解该病的发病机制提供了有效的工具。相关结果发表在最新一期的《Cancer Cell》杂志上。
儿童恶性胶质瘤是一种威胁儿童生命健康的恶性肿瘤。调节基因表达的DNA结合蛋白组蛋白3.3的突变被认为是这种癌症的主要原因。“目前，这种癌症的治疗方法包括手术、放疗和化疗。但成功率并不高，”该研究的带头人保罗萨洛莫尼教授说。
“到目前为止，我们还没有一个可靠的动物模型来研究这种疾病的内部分子机制，”Salomoni说。“这就是为什么我们希望开发一种能够准确反映这种癌症病理特征的小鼠模型。我们的研究结果支持了之前的说法，即组蛋白3.3突变导致儿童恶性胶质瘤，并且这种突变的影响已经存在于胚胎发育中。这意味着这种癌症可能早在母亲的子宫里就已经发生了。”
[7] Bull Math Biol:利用数学生长模型预测癌症的发展趋势。
doi:10.1007/11538-015-0110-8
最近，来自杜克大学的数学家通过研究开发了一种新方法，可以帮助医生预测不同类型的癌症将如何发展，尤其是在肿瘤大小无法测量的情况下。相关研究发表在国际期刊《数学生物学通报》上。
在美国，超过三分之一的人将在他们生命中的某个时刻被诊断患有癌症。对肿瘤生长的准确预测是确定放化疗剂量的关键，也有助于指导对患者进行筛查的频率，证明治疗是否有效。研究人员理查德德雷特(Richard Durrett)教授表示，数学模型可以帮助研究人员了解一整套癌症治疗决策，但前提是我们必须确保模型的准确性。已经提出了大量关于肿瘤生长的数学模型，但是哪个模型最适合于许多不同类型的肿瘤仍然是一个问题。
有的肿瘤一旦长到一定大小就会停止生长，有的会继续生长；部分问题来自于大多数肿瘤模型可以用一系列的肿瘤大小测量来标记尺度，这样我们就可以知道氧气和营养物质的供应与肿瘤在患者体内的生长有什么不同。然而，由于大多数癌症患者在初次诊断后都使用了手术等治疗方法，因此很难获得类似的肿瘤生长数据。
[8] Nat Commun:中国科学家借助PDX模式寻求乳腺癌个体化治疗的新策略。
doi:10.1038/ncomms14864
癌症治疗的目的是摧毁肿瘤，防止其生长和扩散。为了实现这一目标，来自贝勒医学院和华盛顿大学医学院的研究人员开发了一种新方法，以寻找乳腺癌的治疗策略。他们首先确定了一些促进肿瘤生长的蛋白质，然后筛选实验药物，寻找有望中和这些蛋白质的潜在药物分子。相关研究成果发表在国际学术期刊Natue Communicaitons上。
作者马修埃利斯(Matthew Ellis)博士说，“我们利用人源化肿瘤异种移植模型和蛋白质组学-基因组学方法，寻找更有效的癌症药物。”人源化肿瘤异种移植模型(PDX):一种体内人类肿瘤模型
构建人源化肿瘤的异种移植模型，需要将人肿瘤样本移植到特殊的实验小鼠体内。“我们让直接取自患者的肿瘤样本在实验小鼠体内生长，这可以模拟一些肿瘤细胞生长所需的自然环境——，如跳动的心脏、血管和其他生物结构。我们认为这种方法更接近肿瘤生长环境，比体外培养的细胞更适合研究癌症药物。”埃利斯这样说。
[9] NAT biotechnol:一种新的模型可能有助于开发根治性结肠癌的新疗法。
货币兑换指数：10.1038
日前，在国际期刊《自然生物技术》上发表的一篇研究报告中，来自麻省理工学院的研究人员利用CRISPR基因编辑系统对小鼠进行研究，发现小鼠体内可能会产生与人类肿瘤非常相似的结肠肿瘤。相关研究可能有助于科学家阐明疾病进展的分子机制，并开发新的治疗方法。
一旦形成，许多实验性肿瘤会扩散到肝脏，这就像人类结肠癌的通常做法。这些转移是结肠癌患者死亡的主要原因。然而，这也是结肠癌研究中一个重要的缺失环节。目前还没有可靠的方法阐明原发性肿瘤从结肠转移到肝脏的具体过程。研究人员泰勒杰克斯(Tyler Jacks)表示，基于CRISPR的基因编辑技术可以为癌症研究带来革命性的变化，包括更快、更准确地构建小鼠模型。当然，这项研究是一个很好的例子。
多年来，科学家们一直在使用两种不同的方法来模拟癌症，其中一种方法是在实验室培养皿中培养不朽的癌细胞系，以便研究人员在二维细胞系中进行相关研究。但这种方法有一定的局限性，不能真正在体内产生肿瘤的复杂环境。另一种广泛使用的技术是改造老鼠，使其携带诱发癌症的突变。然而，研究人员需要多年来培养小鼠，特别是如果要获得一个以上的癌症相关突变。
[10] JNCI:肿瘤测序和PDX模型为乳腺癌的精确治疗提供了重要信息。
DOI:10.1093/jnci/djw306
肿瘤测序在癌症患者治疗选择中的应用越来越多，但其在新诊断的乳腺癌女性中的作用不是特别清楚。梅奥诊所的研究人员在国际学术期刊《JNCI》上报道了一项关于在乳腺手术前接受化疗的女性患者的前瞻性肿瘤测序研究的结果。本研究旨在确定是否可以根据肿瘤基因组的变化将患者分为化疗敏感组和化疗耐药组，并构建人肿瘤异种移植小鼠模型进行验证。
“使用肿瘤测序数据进行治疗指导是非常有意义的，但对于术前接受化疗的新诊断乳腺癌女性，这种方法是否有用的数据仍然有限。”肿瘤学家Matthew Goetz如是说，他也是乳腺癌基因组导向疗法(美容)项目的联合主席。
美容项目的主要发现表明，最常见的基因变化在化疗耐药肿瘤中并不比在化疗敏感肿瘤中更常见。然而，Mayo的研究人员发现，对于三阴性乳腺癌的一个亚型，——管腔雄激素受体亚型，这种疾病对化疗的反应更差。这种亚型更可能包含独特的p53突变，p53是一种肿瘤抑制因子，在三阴性乳腺癌中经常发生突变。
