预测胃癌患者的反应通过动态意识模型与纵向液体活检数据进行预测

科学领域:

• 在瘤学瘤学.
• 生物技术是生物技术.
• 人工智能的人工智能

背景情况:

• 由于患者特异性,预测胃癌 (GC) 治疗反应具有挑战性.
• 液体活检提供了宝贵的细胞和分子洞察力,捕获时间敏感的信息.
• 液体活检数据的纵向分析对于理解治疗动态至关重要.

研究的目的:

• 利用人工智能 (AI) 来分析胃癌的纵向液体活检数据.
• 开发和评估一种新的AI模型,用于预测GC治疗反应.
• 探索视觉分析在解释液体活检数据的潜力,以实现个性化医疗.

主要方法:

• 从91名胃癌患者 (2019年7月至2022年4月) 收集了纵向液体活检数据.
• 利用了1895个与瘤相关的细胞图像和1698个瘤标记指数.
• 开发了动态意识模型 (DAM),这是一个包含动态数据用于纵向分析的AI模型.

主要成果:

• 与传统方法相比,DAM在预测GC治疗反应方面取得了更好的表现 (交叉验证中的AUC为0.807,测试组中的0.802).
• 使用早期治疗数据,DAM准确地预测了治疗反应.
• 视觉分析确定了与治疗反应相关的六个动态视觉特征.

结论:

• 对纵向液体活检数据和视觉分析的AI应用代表了GC的开创性方法.
• 这种人工智能驱动的方法对精确的胃癌治疗反应预测有希望.
• 这些发现支持为GC患者开发个性化治疗策略.