用生物信息整合乳腺癌治疗药物表征,使用深度学习
Hewei Ge1,2, Hongnan Mo1,3, Yuhan Wei1
1Department of Medical Oncology, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
Nature communications
|December 11, 2025
概括
一个新的深度学习模型,GDnet,预测乳腺癌的新辅助疗法反应. GDnet集成药物信息和瘤数据,以个性化治疗策略和改善病理完整反应 (pCR) 率.
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:
- 新辅助疗法对乳腺癌治疗至关重要,但约50%的患者没有达到病理完整反应 (pCR).
- 需要个性化治疗策略来提高治疗疗效和患者的治疗结果.
研究的目的:
- 开发一种可解释的深度学习模型 (GDnet),用于预测乳腺癌中新辅助疗法反应.
- 通过整合药物表征和瘤转录组资料,帮助选择最佳的个性化治疗策略.
主要方法:
- 开发了GDnet,一种深度学习模型,使用31个数据集中的4371名患者的数据.
- 综合药物表征和瘤转录组资料用于预测建模.
- 使用I-SPY2和测试数据集进行了in-silico模拟临床试验.
主要成果:
- 在预测治疗反应方面,GDnet显著优于单纯的转录组模型.
- 模拟的临床试验显示,GDnet显著增加了pCR率.
- 对于pCR的赔率比率随着优化强度 (1.6到2.5) 的线性增加.
结论:
- GDnet作为一个数字药物测试代理,优化乳腺癌治疗决策.
- 这种方法显示出在各种癌症类型和治疗环境中具有更广泛应用的潜力.
更多相关视频
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.6K
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
1.7K
