美国国立卫生研究院的研究人员开发出一种人工智能工具，可以更精确地将抗癌药物与患者匹配

美国国立卫生研究院的研究人员开发出一种人工智能工具，可以更精确地将抗癌药物与患者匹配

发布日期： 2024年4月18日

一个简单的示意图，显示了一个肿瘤细胞簇，后面跟着一个箭头，后面跟着一个产生 RNA 测序数据的单个肿瘤细胞，后面跟着一个指向笔记本电脑的箭头，屏幕上显示“AI 工具”字样，后面跟着一个指向患者和不同类型癌症药物的图标的箭头。  

研究人员利用来自单个肿瘤细胞的高分辨率基因表达数据来微调名为 PERCEPTION 的人工智能工具预测药物反应的能力。

图片来源：Biorender.com 的 Linda Wang 创作

在一项概念验证研究中，美国国立卫生研究院 (NIH) 的研究人员开发了一种人工智能 (AI) 工具，该工具利用肿瘤内单个细胞的数据来预测患者的癌症是否会对特定药物产生反应。隶属于 NIH 的国家癌症研究所 (NCI) 的研究人员于 2024 年 4 月 18 日在《自然·癌症》杂志上发表了他们的研究成果，并提出此类单细胞 RNA 测序数据未来可能被用于帮助医生更精准地为癌症患者匹配有效的药物。

目前，患者与药物匹配的方法依赖于对肿瘤DNA和RNA进行批量测序，即对肿瘤样本中所有细胞进行平均测序。然而，肿瘤包含不止一种类型的细胞，实际上可能存在许多不同的细胞亚群，即所谓的克隆。研究人员认为，这些细胞亚群对特定药物的反应可能不同，这或许可以解释为什么有些患者对某些药物没有反应，甚至对某些药物产生了耐药性。

与批量测序相比，一种名为单细胞RNA测序的新技术能够提供更高分辨率的数据，甚至精确到单细胞水平。使用这种方法识别和靶向单个克隆，可能会带来更持久的药物反应。然而，单细胞基因表达数据的生成成本远高于批量基因表达数据，而且目前尚未在临床环境中广泛应用。

在这项新研究中，研究人员探究了能否利用一种名为迁移学习的机器学习技术，训练一个人工智能模型，利用广泛可用的批量RNA测序数据预测药物反应，然后再利用单细胞RNA测序数据对该模型进行微调。研究人员利用这种方法，基于已发表的大规模药物筛选细胞系数据，为44种美国食品药品监督管理局（FDA）批准的抗癌药物构建了人工智能模型。这些人工智能模型能够准确预测单个细胞对单一药物和多种药物组合的反应。

研究人员随后利用已发表的数据测试了他们的方法，这些患者包括41例接受四种药物联合治疗的多发性骨髓瘤患者和33例接受两种药物联合治疗的乳腺癌患者。研究人员发现，如果只有一个克隆对某种药物产生耐药性，即使所有其他克隆都对某种药物产生反应，患者也不会对该药物产生反应。此外，该人工智能模型还成功预测了24例接受非小细胞肺癌靶向治疗的患者的已发表数据中耐药性的产生。

研究人员提醒说，如果单细胞RNA测序数据能够更广泛地获取，这项技术的准确性将会提高。与此同时，研究人员开发了一个研究网站和一份指南，指导如何使用名为“个性化单细胞表达肿瘤治疗规划”（PERCEPTION）的人工智能模型和新的数据集。

这项研究由美国国家癌症研究所 (NCI) 癌症研究中心开展，由 Alejandro Schaffer 博士和 Sanju Sinha 博士领导。Sanju Sinha 博士曾在 NCI 任职，现就职于桑福德·伯纳姆·普雷比斯医院 (Sanford Burnham Prebys)。NCI 的医学博士、哲学博士 Eytan Ruppin 负责指导这项工作。

Eytan Ruppin 医学博士、哲学博士，美国国家癌症研究所癌症研究中心

“通过 PERCEPTION 计算管道从肿瘤的单细胞转录组学预测患者对治疗的反应和抵抗力”将于 2024 年 4 月 18 日发表在《自然癌症》杂志上。

来自：https://www.cancer.gov/news-events/press-releases/2024/ai-tool-matches-cancer-drugs-to-patients