近日，中山大學(xué)/南方醫(yī)科大學(xué)/斯坦福大學(xué)研究團(tuán)隊(duì)合作在《Cell Reports Medicine》上發(fā)表題為“Non-invasive tumor microenvironment evaluation and treatment response prediction in gastric cancer using deep learning radiomics”的文章。研究表明，放射學(xué)模型準(zhǔn)確地預(yù)測(cè)了腫瘤微環(huán)境(TME)狀態(tài)，并且是超越臨床病理變量的獨(dú)立預(yù)后因素。該模型進(jìn)一步預(yù)測(cè)了輔助化療對(duì)局限性疾病患者的益處。在接受檢查點(diǎn)阻斷免疫治療的患者中，該模型可預(yù)測(cè)臨床應(yīng)答，并與現(xiàn)有生物標(biāo)志物聯(lián)合應(yīng)用時(shí)進(jìn)一步提高預(yù)測(cè)準(zhǔn)確性。該方法實(shí)現(xiàn)了對(duì)TME的無(wú)創(chuàng)評(píng)估，這為縱向監(jiān)測(cè)和跟蹤對(duì)癌癥治療的反應(yīng)打開(kāi)了大門(mén)。鑒于放射學(xué)成像在腫瘤學(xué)中的常規(guī)應(yīng)用，該方法可以推廣到許多其他實(shí)體瘤類型。
