AI工具加速癌症药物测试和临床试验招募

犹他大学的科学家开发了一种新型"芯片实验室"设备,该设备利用人工智能快速预测癌细胞对靶向疗法的敏感性,用于治疗患有T细胞急性淋巴细胞白血病(T-ALL)的儿童——这是一种侵袭性强且难以治疗的癌症。这种名为μPharma的设备可在四小时内而非数天内提供结果,为争分夺秒的精准医疗提供了潜在途径。

研究人员表示,这一尚未应用于临床的工具可能有助于通过快速识别患者癌细胞对哪些疗法敏感,来减少不必要的治疗和副作用。该平台无需直接将患者的癌细胞暴露于药物即可识别患者的药物反应谱。它利用数字微流控技术在芯片上移动微小液滴并自动化劳动密集型的液体处理步骤,减少了所需的细胞和试剂数量,最大限度地减少了人为错误,并加快了流程。

在发表于Med期刊的一项研究中,科学家证明μPharma准确预测了对目前正在研究用于T-ALL的两种靶向疗法——dasatinib和venetoclax——的反应,并揭示了药物反应与一个关键分子标志物之间此前未被认识的关联。该平台可以在单个癌细胞水平上检测药物敏感性的差异。这一点很重要,因为如果某种药物仅对患者部分而非全部癌细胞有效,存活的癌细胞可能会卷土重来。

Huntsman Cancer Institute的一位儿科肿瘤学家、犹他大学儿科副教授表示,治疗选择方面的创新是儿科恶性肿瘤领域的迫切需求。"在'实时'完成的个性化治疗选择将成为癌症治疗的未来组成部分,而μPharma代表了朝这个方向迈出的令人鼓舞的一步,"这位医生说。

Huntsman Cancer Institute实验治疗项目的一位研究员、犹他大学分子药剂学助理教授表示,团队为开发这项技术付出了艰苦努力,看到它表现良好是将其引入临床帮助患者的关键一步。该项目是犹他大学、St. Jude Children's Research Hospital和宾夕法尼亚大学研究人员之间的合作。

临床医生会将患者癌细胞的小样本放入设备中。在内部,细胞被固定在两块间距仅比人类头发丝稍宽的板之间。电流精确地将微小的化学液滴移入和移出细胞,完全自动化了通常耗时耗力的实验室流程。犹他大学生物医学工程助理教授表示,下一步是在真实的临床环境中使用原代白血病细胞验证这项技术。

与此同时,City of Hope医院系统部署了HopeLLM,这是一个内部训练的AI平台,旨在支持其覆盖南加州、凤凰城、芝加哥、亚特兰大和数十家诊所的全国网络的肿瘤护理和研究。该系统执行副总裁兼首席数字与技术官将该组织描述为"作为一个系统而非单一实体"运营,任何部署的技术都在这个复杂的覆盖范围内发挥作用。

HopeLLM解决了癌症护理中的一个常见挑战:文档过载。一些患者多年护理过程中可能积累了数千页的记录。HopeLLM能够接收这些信息并快速为医生总结。节省的时间相当可观,医生通常需要在下班后花费数小时审查病历。通过总结复杂的病史,该系统可以为每位患者节省两到三小时。

该平台分析多模态数据——包括临床记录、理赔数据、基因组学、影像学和病理学——以识别适合患者的试验。它还可以反向操作,扫描患者群体以在新试验开放时识别候选者。"当患者前来就诊时,我们希望能够立即告知他们符合哪些试验的资格,"这位高管解释道。这种即时性在肿瘤学中至关重要,因为时机可能决定患者能否获得潜在救命疗法的机会。

City of Hope在构建自己的系统之前评估了商业工具。许多工具难以处理纵向肿瘤数据,无法整合到真实的临床工作流程中。内部设计使团队能够反映其肿瘤学家的实际思维和实践方式。持证临床医生保留最终决策权。"没有算法真正拥有道德权威,"这位高管说。"AI可以辅助……但它不能承担临床责任。"

除了匹配个体患者,HopeLLM还在整个网络中变革可行性评估。City of Hope已使用该平台评估了200多项试验。曾经需要数周的任务现在可以在几分钟内完成,使团队能够快速识别多个地点的合格患者。这位高管将此描述为全国临床试验模式的一部分:集中协调与地理分布的研究站点相结合。这种方法改善了试验的可及性,同时允许研究几乎同时在多个地区启动。

T-ALL是急性淋巴细胞白血病的一种具有挑战性的亚型,而急性淋巴细胞白血病是最常见的儿童癌症。虽然完全缓解率有所提高,但许多幸存者因强化化疗而经历长期影响。快速确定药物反应可以帮助临床医生更早地个性化治疗,减少对无效疗法的暴露和副作用。