研究人员通过机器分析一项大型胃癌试验的数据，发现了一种潜在的生物标志物，这种生物标志物可以从紫杉醇的治疗中获益。
新加坡杜克大学医学院的Pat patrick Tan博士和Raghav Sundar博士表示：“在复杂的癌症基因组数据集中应用机器学习或人工智能工具，可以识别出人类无法检测到的临床相关分子模式，这些模式可能构成新的生物标志物或潜在的治疗靶点。”据《Gut》杂志报道，作者利用机器学习建模分析了胃癌辅助多机构组试验（SAMIT）的499个样本。SAMIT是一项3期研究，胃癌患者被随机分配为四组：Pac-S-1，即紫杉醇+S-1(替加氟、吉美拉嘧啶和奥特拉西的口服组合)；Pac-UFT(紫杉醇+UFT，尿嘧啶和替加氟的口服组合)；单独使用S-1；或治疗性手术后单独使用UFT。还有一组独立的转移性胃癌患者，接受紫杉醇和雷莫芦单抗治疗，作为外部验证组。在Pac-S-1试验队列的分析中，发现了19个基因的特征，这些特征在紫杉醇治疗后进展延迟的患者(对 Pac 敏感)和那些没有进展的患者(对Pac有耐药性)中是不同的。该团队对癌症基因组胃腺癌组的375份样本进行了检测，其中76%的样本Pac敏感。在Pac-UFT内部验证组中，对 Pac 敏感的患者的3年无病生存期有显著改善，达到了66%（HR， 0.44）。在UFT或S-1单独组中，对 Pac 敏感的患者和对Pac有耐药性的患者的生存率无差异。Tan和Sundar博士说：“我们还需要进一步的验证，来提高基因组标记生物标志物的敏感性和特异性，并在临床试验中进行验证。” 目前，还没有明确该检测何时可用于临床中。纽约大学朗格尼癌症中心胃肠肿瘤医学项目主任Paul Oberstein博士评价道：“这一研究是很有前途的，因为它可以帮助我们确定谁应该接受紫杉醇治疗。然而，这也有局限性，主要的一个问题是，这并不能确定其他的化疗是否会更有效，所以这很难指导实践。”他说：“为了进一步验证这一发现，开展一项前瞻性试验将是有用的，人们可以评估使用机器或人工智能指导治疗是否会产生更好的结果。值得注意的是，作者预计76%的样本对紫杉醇敏感，所以紫杉醇治疗似乎对大多数患者仍有潜在的益处。”Oberstein博士总结说:“这项研究在预测治疗反应的道路上迈出了新的一步，但是在实践之前还需要改进。”如果您希望了解更多医药资讯
请扫描下方二维码联系我们
我们可以帮您
快速寻找肝病、癌症特效药
不论是新上市的特效药
还是国内外的稀缺药
只要是地球上有的药
我们都会竭尽全力为您找到
参考资料：
https://www.medscape.com/viewarticle/951944
