研究焦点：人工智能支持的身体成分分析可以预测接受免疫治疗的肺癌患者的预后

麻省总医院布莱根分校的研究人员利用医学成像和人工智能(AI)分析了一大批肺癌患者的身体成分，这些患者已经扩散到身体的其他部位。研究发现，治疗期间肌肉质量和脂肪质量的变化是这一人群预后的重要指标。

　　

医学博士Tafadzwa Chaunzwa是麻省总医院布里格姆医学人工智能(AIM)项目的研究员，也是哈佛放射肿瘤学项目的高级住院医师，他是发表在《美国医学会肿瘤学杂志》上的一篇论文的主要作者。Chaunzwa和资深作者Hugo Aerts博士，AIM项目主任，哈佛大学副教授，分享了他们论文中的亮点。

你会如何向外行人总结你的研究?

随着免疫疗法等治疗方法提高癌症存活率，越来越需要临床决策支持工具来预测治疗反应和患者结果。这对肺癌尤其重要，因为肺癌仍然是全球癌症死亡的首要原因。先前的研究将身体质量指数(BMI)与肺癌预后和免疫治疗药物副作用联系起来。然而，BMI是一种有限的测量方法，不能捕捉到不同身体组织及其与癌症治疗相互作用的细节。我们使用医学成像和人工智能(AI)分析了一大批肺癌患者的身体成分，这些患者已经扩散到身体的其他部位。我们的研究发现，治疗期间肌肉质量和脂肪质量的变化是该人群预后的重要指标。 

你的学习帮助填补了哪些知识空白?

随着我们使用不同的全身药物(包括免疫治疗药物)不断改善晚期肺癌的治疗，越来越需要既能预测预后又能预测治疗反应的生物标志物来指导临床决策。先前的研究确定了BMI和肺癌预后之间的联系。BMI与免疫治疗副作用发生率之间的关联也已被阐明。然而，BMI本身是一个粗略的指标，不能反映不同身体组织的分布和相对贡献。基于医学成像的身体成分分析正在得到越来越多的探索;然而，在晚期非小细胞肺癌(NSCLC)的研究中，研究受到样本量小、手工和难以复制的方法的限制。

你是如何进行你的研究的?

我们开始对接受不同全身药物治疗的晚期或转移性肺癌患者的大型队列进行全面的身体成分分析。我们开发了一个健壮的端到端基于人工智能的平台来协助完成这项任务。

你发现了什么?

我们发现，虽然在癌症导向治疗开始时不同组织区室的分布具有一定的价值，但在治疗过程中这些测量值的变化与患者预后的关系更为密切。具体来说，我们发现肌肉量的减少是化疗、免疫治疗或化学免疫治疗患者预后不良的因素。有趣的是，在接受免疫治疗的患者中，无论是单独治疗还是联合化疗，在CT扫描中看到的皮肤下脂肪(皮下脂肪组织)质量的变化也与肺癌进展或死亡的风险有关。

这意味着什么?

这项研究提出了关键的突破，将有助于推进接受非小细胞肺癌免疫治疗的患者的预后和监测。第一个突破是在接受免疫治疗和细胞毒性化疗的晚期非小细胞肺癌患者中大规模实施基于人工智能的自动化综合体成分分析管道。这是此类研究中规模最大、范围最广的一项，包括真实世界数据和前瞻性临床试验队列，以及多模式数据的纵向收集和延长的随访，以监测疾病对治疗的反应。我们的研究结果表明，与粗BMI测量相比，该分析框架可以更细致地了解非小细胞肺癌患者身体成分与免疫治疗反应之间的关系。这可能对患者的选择、治疗和监测具有重要的临床意义。第二个贡献是共享这个强大的端到端深度学习管道，用于横断面成像的自动切片选择和身体隔室分割。

下一步是什么?

我们将该软件作为开源人工智能工具提供，与图像分析平台无缝集成，并在modelhub上传播。人工智能平台。通过公开该算法，我们希望加速该领域的未来研究，并进一步促进分析复杂癌症成像数据集的新方法的发展。这将允许进一步调查使用BMI或基于ct的手动身体成分测量建立的重要关联。更广泛地说，这一研究领域的进展将有助于指导不同癌症的管理，并提高我们精确肿瘤学的能力。

作者:除了Chaunzwa和Aerts，麻省总兵布莱根的其他作者包括Jack M. Qian, Leonard Nuernberg, Justin W. Johnson和Raymond H. Mak。其他作者包括李勤、Biagio Ricciuti、Jakob Weiss、张忠义、Jamie McKay、Ioannis Kagiampakis、Damian Bikiel、Alessandro Di Federico、Joao V. Alessi、Etai Jacob和Mark M. Awad。