研究人员已经创建了新的机器学习软件，可以预测卵巢癌患者的生存率和对治疗的反应。
由伦敦帝国理工学院和墨尔本大学的研究人员创建的人工智能软件能够比现有方法更准确地预测卵巢癌患者的预后。它还可以预测哪些治疗对诊断后的患者最有效。
该研究发表在Nature Communications上，发生在帝国大学医疗保健NHS信托基金会的Hammersmith医院。
研究人员表示，这项新技术可以帮助临床医生更快地为患者提供最佳治疗，并为更加个性化的医疗铺平道路。他们希望该技术可以用于根据CT扫描中癌症质地的微妙差异将卵巢癌患者分组，而不是根据他们患有哪种类型的癌症或者它的进展程度进行分类。
伦敦帝国理工学院的主要作者，癌症药理学和分子成像教授Eric Aboagye教授说：
“尽管癌症治疗取得了进展，但晚期卵巢癌患者的长期存活率仍然很低。迫切需要找到治疗这种疾病的新方法。我们的技术能够为临床医生提供更详细和准确的信息。患者如何对不同的治疗方法做出反应，这可以使他们做出更好，更有针对性的治疗决策。”
帝国大学医疗保健NHS信托基金会的共同作者和名誉顾问放射学家Andrea Rockall教授补充说：“人工智能有可能改变医疗保健的方式并改善患者的治疗效果。我们的软件就是一个例子，我们希望它可以作为一种工具，帮助临床医生如何最好地管理和治疗卵巢癌患者。”
卵巢癌是女性中第六大常见癌症，通常影响绝经后的女性或有此病史的女性。英国每年有6,000例卵巢癌新病例，但长期存活率仅为35—40%，因为一旦出现腹胀等症状，这种疾病通常会在很晚的时候被诊断出来。早期发现疾病可以提高存活率。
医生通过多种方式诊断卵巢癌，包括血液检查，以寻找一种名为CA125的物质癌症的迹象，然后进行CT扫描，使用X射线和计算机制作详细的卵巢肿瘤图片。这有助于临床医生了解疾病传播的程度，并确定患者接受的治疗类型，如手术和化疗。
然而，扫描无法让临床医生详细了解患者可能的总体结果或治疗干预的可能影响。
研究人员使用一种名为TEXLab的数学软件工具来识别2004年至2015年期间来自364名卵巢癌女性的CT扫描和组织样本中肿瘤的侵袭性。
该软件检查了肿瘤的四种生物学特征，这些特征显着影响总体生存结构，形状，大小和基因组成，以评估患者的预后。然后给予患者称为放射性预后载体（RPV）的分数，其显示疾病的严重程度，范围从轻微到严重。
研究人员将结果与血液检查和医生用于评估生存率的当前预后评分进行了比较。他们发现该软件对于预测卵巢癌死亡的准确性比标准方法高出四倍。
研究小组还发现，5%具有高RPV评分的患者的存活率不到两年。高RPV也与化疗耐药性和不良手术结果相关，表明RPV可用作预测患者对治疗反应的潜在生物标志物。
Aboagye教授建议，该技术可用于识别不太可能对标准治疗有反应并为其提供替代治疗的患者。
研究人员将进行更大规模的研究，以了解软件如何准确预测个体患者的手术和药物治疗结果。
该研究由NIHR皇家生物医学研究中心，帝国理工学院实验癌症医学中心和帝国理工学院伦敦组织库资助。
这项研究是帝国理工学院健康科学中心开展的工作的一个例子，该中心是伦敦帝国理工学院和三所NHS医院信托基金之间的联合倡议。它旨在通过将科学发现转化为医学进步来改变医疗保健，以便在尽可能快的时间内使地方，国家和全球人口受益。
（来源：https://www.sciencedaily.com/releases/2019/02/190215082340.htm）