近日，中山大學(xué)/南方醫(yī)科大學(xué)/斯坦福大學(xué)研究團隊合作在《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)模型準確地預(yù)測了腫瘤微環(huán)境(TME)狀態(tài)，并且是超越臨床病理變量的獨立預(yù)后因素。該模型進一步預(yù)測了輔助化療對局限性疾病患者的益處。在接受檢查點阻斷免疫治療的患者中，該模型可預(yù)測臨床應(yīng)答，并與現(xiàn)有生物標志物聯(lián)合應(yīng)用時進一步提高預(yù)測準確性。該方法實現(xiàn)了對TME的無創(chuàng)評估，這為縱向監(jiān)測和跟蹤對癌癥治療的反應(yīng)打開了大門。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體瘤類型。
