惊爆,IF=40.8!携诺奖之势,深度学习又“出圈”!北大沈琳团队新突破,AI医疗发文新潮流!这思路你也能用到~

文摘   2024-10-29 19:00   陕西  

大家好,光宝又来了,今天带来振奋人心的消息

最近AI在医疗领域,尤其是临床应用,取得了显著进展。深度学习等技术成果频出,高分论文不断。对许多人来说,尽管40分以上的文章有点遥不可及,但我们也要拓宽视野,学习这些顶尖论文的创新之处和实验设计,吸收精华,转化为自己的知识财富。

光宝深信,一篇优质论文不仅需要扎实的技术,实验设计和选题同样关键。北京大学肿瘤医院沈琳教授团队就是典范,他们运用深度学习结合多模态数据,精准预测HER2阳性胃癌患者对治疗的反应,成果发表在高分期刊。沈琳教授的成就令人钦佩,值得特别介绍。

沈琳,主任医师、教授、博士生导师。历任北京大学肿瘤医院副院长。现任消化肿瘤内科主任、I期临床试验病区主任。获全国优秀科技工作者等荣誉称号。此外还获国家科技进步二等奖等多项奖项。沈琳教授长期从事消化道肿瘤精准治疗,抗肿瘤新药临床与转化研究。

除了团队的咖位,该篇研究更是亮点多到溢出屏幕,临床宝子快学起来~

1. 该研究模型采用全面的多模式数据集,包括放射学CT、病理图像和临床报告等(临床数据有吧?此外大部分模型源代码都公开状态,只要借助深度学习这波热潮,换种疾病,虽然不能一举拿下超级顶刊,但是10分SCI还是有希望滴~)  

2. 该研究模型的灵活性使其成为跨学科合作的理想平台。PS:由此证明,深度学习技术结合临床数据潜力无限啊!随着深度学习及临床数据资源的完善,其研究结果对临床实践将更具指导意义,这也将进一步掀起一波研究热潮!宝子们也要抓紧选好研究方向,早来享受红利!如果技术和思路有困难的话,可以随时滴滴光宝噢~

定制生信分析

云服务器租赁

(加微信备注99领取试用)


题目:基于多模态数据预测胃癌对抗HER2疗法或抗HER2联合免疫疗法的反应

杂志:Signal Transduct Target Ther

影响因子:IF =40.8

发表时间:2024年8月26日

公众号回复“999”领取原文PDF,文献编号:241029         

 

研究背景

胃癌(GC)是中国第二大最常见的癌症,单一模式数据的分析研究已无法满足捕捉患者之间复杂的异质性研究。因此本研究旨在研究深度学习模型,并使用多模式数据准确预测GC患者联合免疫治疗的治疗反应。

研究思路及数据来源

本研究收集了来自429名患者包括放射学、病理学和临床信息等在内的多模式数据:310名接受抗HER2治疗,119名接受抗HER2和抗PD-1/PD-L1抑制剂免疫治疗。随后引入了一种称为多模态模型(MuMo)的深度学习模型,该模型集成了这些数据以做出精确的治疗反应预测。

图1. 多模态模型(MuMo)的工作流程,用于预测对抗HER2 GC患者的治疗反应

研究结果

1. HER2阳性GC研究的多模态数据集和队列特征

本研究的多模态数据集涵盖了患者详细信息,包括人口统计、肿瘤特性(位置、分化、Lauren分型)及治疗细节(治疗线、治疗前时间)。病理报告还记录了肿瘤比例、TIL和HER2表达的变异性。

图2. 联合免疫治疗队列的数据集和队列特征

2. MuMo的预测性能

MuMo在预测HER2治疗反应上表现卓越,AUC达0.821,显示出高效预测力。进一步在外部数据集验证其普适性,AUC高达0.884,证实了MuMo在多中心研究中的有效性。通过Youden指数划分风险组后,低风险组的无进展生存期(PFS)和总生存期(OS)显著优于高风险组,尤其在独立测试集中,两组的中位OS差异显著。

图3. 多模态模型(MuMo)的性能

3. MuMo在预测抗HER2联合免疫治疗队列反应方面的适应性

评估MuMo跨治疗队列的适应性,发现其预测效果出色,AUC达0.914,显示高准确度。这强调了MuMo在新治疗方案中的关键性,尤其在临床经验和历史数据不足时,展现了其在新兴治疗领域的广泛应用前景。

图4. MuMo的疗效预测性能与六位临床医生及其会诊结果的比较

4. MuMo在治疗反应预测方面的一贯稳定性

通过2000次自举验证,MuMo在预测疗效上展现了低变异性,确保了其预测的稳定性和可靠性,证明了其在疗效预测中的稳健性。

图5. 用于快速扩展分子病理学数据的 MuMo ROC曲线

5. MuMo的可解释性与临床见解

在HER2联合免疫治疗中,MuMo显示中高分化肿瘤患者风险概率高于低分化者。在Lauren分型中,MuMo认为弥漫型胃癌风险最高,超过肠道型和混合型,验证了MuMo的临床价值和研究的准确性。

图6. 多模态模型(MuMo)的可解释性分析

图7. HER2阳性GC患者的多模式数据分析的全面概述

文章总结

MuMo可以利用深度学习模型来提高接受抗HER2或抗HER2联合免疫治疗的GC患者的反应预测准确性。实现了个性化治疗策略方面取得了重大进展,为未来的肿瘤学研究提供了方向。读完此篇宝子们是不是感受颇深啊!能达到顶刊水平果然不一般,不仅是技术层面,更重要的还有巧思路结合妙结构!现如今AI医疗技术领域正处于一片蓝海,宝子们更应该做好复现,更何况该研究还提供了代码!如果思路或技术受限的宝子,欢迎随时滴滴光宝~


光之密语





生信光公众号持续为大家带来最新生信思路,更多创新性分析思路请查看往期推荐。想复现这种思路或者定制更多创新性思路欢迎直接call光宝,我们团队竭诚为您的科研助力!


文献思路复现

定制生信分析

服 务 器 租 赁

扫码咨询光宝



【往期推荐】






生信光
生信前沿知识分享
 最新文章