机器学习揭示骨肉瘤亚型，为个性化医疗铺平道路

东安格利亚大学 (UEA) 的研究人员开发了一种先进模型，可以识别至少三种不同的亚型骨肉瘤是一种罕见且具有侵袭性的骨癌，可能对临床试验和患者治疗产生重大影响。这项突破性研究由英国癌症儿童组织资助，使用了一种称为潜在过程分解 (LPD) 的机器学习技术来分析遗传数据并更准确地对患者进行分类。该研究是发表于生物信息学简报。

骨肉瘤主要影响儿童和青少年，长期以来一直采用单一方法治疗，即化疗和手术。但只有部分患者对这些治疗反应良好。

“自 20 世纪 70 年代以来，骨肉瘤一直采用非靶向化疗和手术治疗，有时会导致截肢以及化疗带来的严重和终生副作用，”主要作者、讲师和小组达雷尔·格林 (Darrell Green) 博士说UEA诺维奇医学院的领导者。

从历史上看，由于骨肉瘤的异质性，骨肉瘤的临床试验一直难以进行，并且许多临床试验被认为失败，因为对新疗法的反应者总数仍然很低。然而，这项新研究发现，鉴于该团队的发现，之前的试验可能没有得到准确的评估。

——新药并不像结论那样完全“失败”；相反，这些药物并非对每一位骨肉瘤患者都有效，但可能成为特定患者群体的新治疗方法，”格林指出。

通过使用 LPD 根据患者的基因图谱对患者进行分组，医生可以更有效地将治疗方法与疾病的各个亚型相匹配，从而有可能提高临床试验的成功机会。该模型可以检测肿瘤内的“功能状态”，识别单个肿瘤内甚至存在的差异，而以前的模型无法做到这一点。

“我们使用了一种更复杂的无监督贝叶斯方法，该方法考虑了个体肿瘤样本的异质性（以前的方法没有考虑到），”研究人员写道。

研究人员利用 LPD 定义了三种不同的骨肉瘤亚型，其中一种对标准化疗方案 MAP（甲氨蝶呤、阿霉素和顺铂）的反应特别差。研究人员希望这种新方法能够进行更有针对性的治疗，最终改善患者的治疗结果。

“当患者可以使用针对其癌症亚型的靶向药物进行治疗时，这将有助于摆脱标准化疗，”格林补充道。

该研究还确定了骨肉瘤中持续失调的一组八个核心基因，这些基因可以作为未来诊断和治疗目的的潜在生物标志物。这些基因（其中一些此前已被认为与不良预后有关）可以帮助识别高危患者并指导治疗决策。

尽管取得了有希望的结果，但该研究的研究人员承认他们工作的局限性，特别是用于开发模型的小数据集以及有限的活检材料带来的挑战。然而，他们乐观地认为，随着更多数据的出现，LPD 模型将继续改进。

骨肉瘤亚型的识别可能会改变临床试验的格局。通过更好的患者分层方法，新药的测试成功的可能性更高。人们希望这种方法能够提高生存率，过去 45 年生存率一直停滞在 50% 左右。

研究人员指出，“未来，临床试验应根据骨肉瘤患者的亚型（基于基因表达）对患者进行分组，以便根据他们的疾病制定治疗方案。”–我们预计这种新的诊断标签以及分层治疗将显着提高骨肉瘤的生存率。 –