相关实验视频
Updated: Jun 14, 2025
08:26
Author Spotlight: Advancing Personalized Medicine in Ovarian Cancer
Published on: February 23, 2024
1.9K
人工智能在卵巢癌药物耐药性的先进3PM方法:亚型分类和预后建模
Cong Zhang1, Jinxiang Yang1, Siyu Chen1
1Department of Epidemiology and Health Statistics, School of Public Health, Chongqing Medical University, Yixue Road, Chongqing, 400016 China.
The EPMA journal
|September 6, 2024
概括
卵巢癌患者经常对化疗产生耐药性. 这项研究使用人工智能识别药物耐药性特征,将患者分类为个性化治疗的亚型,并开发用于预后的深度学习模型.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 人工智能的人工智能
背景情况:
- 卵巢癌的复发率很高,大约70%的患者对帕克利塔塞尔等一线化疗药物产生耐药性.
- 解决治疗耐药性对于改善卵巢癌患者的治疗结果至关重要.
研究的目的:
- 利用人工智能来识别卵巢癌中单细胞耐药性特征.
- 开发基于已识别的抗性特征的分类策略和深度学习预后模型,以推进预测,预防和个性化医学 (3PM).
主要方法:
- 利用"Beyondcell"算法预测细胞药物反应,并通过将表达模式与药物特征进行比较来识别耐药细胞.
- 在TCGA数据上应用了10个多omics集群,使用药物耐药性特征来定义具有差异性药物反应的患者子组.
- 开发并验证了一个使用KAN架构的深度学习预测模型,用于培训和外部验证数据集.
主要成果:
- 已确定内皮细胞对帕克利塔克塞尔,多克索鲁比辛和多塞塔克塞尔有抗性,这表明了潜在的治疗点.
- 发现了四个具有明显化疗反应的患者亚型;亚型CS2对四种测试药物表现出最高的敏感性.
- 基于KAN的深度学习模型在预测患者预后方面表现强,优于传统的MLP结构.
结论:
- 成功对卵巢癌患者进行分类,并根据一线耐药性特征开发出预后模型.
- 在推进卵巢癌的预测,预防和个性化医学 (3PM) 中,证明了多omics数据和AI的有效应用.
