当前位置: 首页 > 新闻中心 > 要闻速递 > 正文

新闻中心

要闻速递

NEWS

董彬教授等团队:多模态AI模型助力医学临床决策

时间:2024-08-29    来源:

  • 分享

8月26日,北京大学董彬教授团队和北京大学肿瘤医院沈琳教授团队在《Signal Transduction and Targeted Therapy》(影响因子:40.8)上发表了一篇开创性的研究文章,题为“Predicting gastric cancer response to anti-HER2 therapy or anti-HER2 combined immunotherapy based on multi-modal data”。这项研究通过人工智能技术开发了一个多模态肿瘤治疗响应预测模型MuMo,并且汇集了429名HER2阳性胃癌患者的多中心数据队列,涵盖影像学图像、结构化影像报告、病理学图像、病理结构化报告及详尽的临床信息等多模态信息。MuMo模型打破了传统单一数据模式的局限,全面捕捉患者的疾病特征,有效应对临床中模态数据的潜在缺失问题。这项研究进展在临床上的应用潜力能为HER2阳性胃癌患者提供更精确的治疗方案,展示了多模态分析技术在临床决策中具有重要的支撑作用。

50FEA

在胃癌治疗领域,针对HER2阳性患者的抗HER2治疗响应存在显著的个体差异,这为临床决策带来了诸多挑战。近年来,人工智能(Artificial Intelligence, AI)技术在癌症治疗响应预测方面的应用日益增多,其核心任务是利用患者初期治疗的数据预测其对特定治疗方案的响应程度。这种预测能够帮助医生及早了解治疗可能的结果,并选择最佳的治疗策略,旨在最大化治疗效果并延长患者生存期。然而,目前大多数研究仍依赖于单一模态数据,如仅使用影像(如CT)或病理数据(如H&E染色的扫描切片),这限制了模型捕捉患者间复杂异质性的能力,并难以全面反映疾病特征,尤其是在处理HER2阳性胃癌患者时。因此,迫切需要开发一种能够综合多模态临床数据的AI模型,以全面分析和精确预测患者对治疗的响应,为制定个性化治疗策略提供科学依据。

328C6

图1:基于AI技术的多模态癌症治疗响应预测模型(MuMo)

在本研究中,董彬教授团队和沈琳教授团队共同收集了大样本HER2阳性胃癌患者的多中心数据集,涵盖了429名患者的临床信息、影像学图像、影像结构化报告、病理学图像及病理结构化报告。基于此数据集,本研究开发了一种新型的由AI驱动的多模态癌症治疗响应预测模型MuMo(图1)。该模型能够有效整合不同模态的数据,全面刻画患者的疾病特征,并应对临床场景中模态数据缺失的问题,实现对HER2阳性胃癌患者抗HER2治疗响应的精准预测。

5D527

图2:MuMo模型的性能评估

研究显示,MuMo模型在预测HER2阳性胃癌患者对抗HER2治疗方案及联合免疫治疗的响应方面,分别取得了AUC值0.821和0.914的显著成绩(图2),这些成绩不仅优于单一医生的预测结果,还与六位医生的会诊结果相当。此外,MuMo模型的预测结果能有效地将患者分为高风险组和低风险组,从而提供更有针对性的治疗建议。此外,基于AI技术的MuMo模型显示出比人工评估更加稳定和一致的预测结果,进一步分析还揭示了MuMo模型预测与现有临床知识之间的高度一致性。这一系列成果突显了多模态数据分析在提高疗效评估和实现个性化医疗中的重要性,并展示了AI模型在临床上的潜在价值和实用性。

2DCA4

图3:基于多模态数据的癌症治疗响应预测分析方法

随着医疗数据分析技术的不断进步,整合多模态数据已成为提高治疗响应预测准确性和实现个性化治疗的关键。本研究为HER2阳性胃癌患者的抗HER2治疗响应预测提供了新的视角和策略,未来这种方法有望在更广泛的癌症治疗领域中得到应用,为患者带来更精准的治疗选择和改善生存预期(图3)。本研究体现了北京大学大数据科学研究中心、北京大学北京国际数学研究中心以及北京大学肿瘤医院通力合作,第一作者:陈梓帆、陈杨、孙宇、唐磊、张立,通讯作者为:张小田教授、董彬教授和沈琳教授。

团队简介

董彬,北京大学博雅特聘教授,任职北京国际数学研究中心,兼任国际机器学习研究中心副主任、国家生物医学成像科学中心研究员,大数据分析与应用技术国家工程实验室机器学习中心主任,北京大学长沙计算与数字经济研究院副院长。2003年本科毕业于北京大学数学科学学院、2005年在新加坡国立大学数学系获得硕士学位、2009年在美国加州大学洛杉矶分校数学系获得博士学位。博士毕业后曾在美国加州大学圣迭戈分校数学系任访问助理教授、2011-2014年在美国亚利桑那大学数学系任助理教授,2014年底入职北京大学。主要研究领域为机器学习、科学计算和计算成像。董彬和合作者一起揭示了偏微分方程与小波之间的深层联系,改变了领域对这两类方法的一些既定认识,并启发了解决复杂的计算成像问题的新算法。此外,董彬团队还建立了微分方程和深层神经网络的联系,由此发展了一种机理与数据融合的方法论,以应对更具挑战性的科学计算问题。在应用落地方面,针对肿瘤诊疗问题,研发了一系列新的定量和定性分析算法和工具,在三甲医院得到推广,部分科研成果已实现转化。董彬于2014年获得求是杰出青年学者奖,2022年受邀在世界数学家大会(ICM)做45分钟报告,2023年入选新基石研究员项目,同年获得王选杰出青年学者奖。

19316

沈琳,北京大学肿瘤医院,主任医师、教授,北京学者、北京市突出贡献专家、国家重点研发计划慢病专项首席科学家。长期致力于消化道肿瘤精准治疗与转化研究、抗肿瘤新药临床研究。历任北京大学肿瘤医院副院长、北京市肿瘤防治研究所副所长。现任消化肿瘤内科主任,I期临床试验病区主任、中国抗癌协会肿瘤精准治疗专业委员会主任委员、中国抗癌协会肿瘤药物临床研究专业委员会首届主任委员、中国临床肿瘤学会临床研究专家委员会主任委员、中国临床肿瘤学会胃癌专家委员会候任主任委员、中国抗癌协会大肠癌专业委员会副主任委员及中国女医师协会临床肿瘤专业委会主任委员。

文章来源: 北京国际数学研究中心BICMR

转载本网文章请注明出处

版权所有©北京大学大数据分析与应用技术国家工程实验室 京ICP备05065075号-1 京公网安备 110402430047 号