近日，太美医疗科技收获喜讯 —— 一项由解放军总医院第一医学中心徐建明教授领衔，和黄医药、太美医疗科技影像科学事业部共同支持，利用影像组学标志物精准筛选神经内分泌肿瘤(NET)经索凡替尼(surufatinib)治疗应答群体的前沿研究入选欧洲肿瘤内科学会年会(ESMO)壁报展示。该项研究基于机器学习技术构建AI模型，精准识别、智能筛选治疗中可能存在有效应答的NET患者，进而辅助提高治疗应答率，帮助NET患者达到更好的整体肿瘤治疗率，实现个性化精准医疗。
神经内分泌肿瘤(NET)是一类较为少见的肿瘤，但随着内镜和生物标志物等诊断技术的进步，NET的发病率和患病率均呈显著上升趋势。NET起病隐匿，可起源于全身各个部位、呈高度异质性，患者的症状和体征各异，临床容易误诊，从发病至确诊通常需要5-7年的时间，-近年来随着内镜和生物标志物等诊断技术的进步，NET的发病率和患病率均呈显著上升趋势，然而由于肿瘤界对于该疾病的研究尚不深入，多数患者确诊时疾病已到晚期，只有少数患者有机会接受根治性手术切除。创新疗法及药物研发进度也相对缓慢，导致治疗难度极大。
全球范围内已有近十年没有新药诞生。尤其对于非胰腺NET来说，由于疾病复杂性高，治疗难度大，目前几乎没有疗效令人满意的药物可用，存在较大的未满足的临床需求。
作为和黄医药自主研发的创新靶向药物，索凡替尼两项重磅研究分别针对胰腺NET和非胰腺NET，这一设计本身就非常难得，而其研究结果也同样出色。
索凡替尼是新一代具有免疫激活作用的VEGFR-TKI(口服酪氨酸激酶抑制剂)，全球首个覆盖所有部位来源的神经内分泌瘤治疗药物，用于治疗无法手术切除的局部晚期或转移性、进展期非功能性、分化良好(G1、G2)的胰腺和非胰腺来源的神经内分泌瘤。无论SSTR状态、无论Ki67指数高低、无论肿瘤负荷大小，索凡替尼均显著延长PFS，实现肿瘤退缩。并且EP-NET和P-NET的ORR(客观缓解率)分别是10.3%和19.2%，是依维莫司的5倍、舒尼替尼的2倍;EP-NET中68%患者实现肿瘤退缩，P-NET中84%患者实现肿瘤退缩，索凡替尼Ⅲ期临床试验亚组分析显示，Ki-67表达水平越高，肿瘤退缩和PFS获益越明显，提示索凡替尼疗效明显优于依维莫司和舒尼替尼，且安全性良好。现已得到各大指南和共识的推荐。而在临床实践中，如何更早、更快、更精准地筛选出索凡替尼治疗获益的患者群体至关重要。作为国内先进的IRC服务供应商，太美医疗科技受邀与顶级专家、创新药企强强联手，以智能技术破局临床难题，为前沿研究贡献力量。
解放军总医院第一医学中心徐建明教授
研究团队
解放军总医院徐建明教授团队、和黄医药、太美医疗科技影像科学事业部
研究目的
利用影像组学标志物和机器学习技术，帮助临床试验和真实世界临床实践更加精准的识别NET病患治疗的有效反应者。
研究过程
数据是该项研究面临的首要挑战 —— 迄今为止，全球范围内NET相关临床试验数据依然相当稀缺。该项研究中，基于和黄医药索凡替尼3项关键性临床试验(1项Ⅱ期和2项Ⅲ期注册研究)的NET患者的临床及影像数据，在徐建明教授的领导下，联合研究团队构建了当前业界少有的高水平NET数据队列，并高质量地完成数据清洗、质控、病灶标注等一系列工作，为最终AI模型的出色表现打下了基础。
病灶的精准勾画是此次研究面临的另一难题。传统的基于影像的肿瘤疾病诊断仅需长短径测量，然而，此次研究要求研究者对于海量NET影像确定个体化、精确化的病灶勾画范围，这也对于标注专家选择、标注工具、标注方法、质控等一系列流程提出了更高的要求。
一方面，其病灶大多处于弥散状态，且病灶个体较小，勾画困难，需要采用门静脉期、动脉期、平衡期等多个期像反复观看辨认，工作量显著增加;对于弥漫多发融合的转移瘤和瘤周存在异常灌注的肿瘤，由于病灶边界并不清晰，导致病灶勾画难度进一步增加;另一方面，部分肝脏内还同时存在囊肿与血管瘤，高度类似于转移灶，这给标注和质控都带来了不小挑战。
太美医疗科技在医学影像的独立评审上具有丰富经验，不仅拥有高水平的项目运营、医学和研究团队，以及丰富的外部专家资源，而且协助多项重点研究以及科研项目通过国家局审评。在该项目中，太美医疗科技影像科学事业部积极协调IRC专家资源，由资深影像专家在腹部增强CT图像上进行逐层病灶勾画，高水平完成了超万张少见NET肿瘤及转移灶的图像标注工作，并结合医学质控策略，出色地完成了标注工作。
随后，研究团队对影像组学参数及临床因素进行处理和分析，结合特征工程和不同类型的建模策略，获取最优模型的结果。
“该项研究相较于传统的患者筛选模式，能够更加精准地找出对于创新药物具有疗效反应的潜在受试者群体，加速新药的临床使用”，徐建明教授表示，“同时，该项研究也有望为同类研究提供借鉴意义，帮助创新药企更好地推进临床试验。未来，我们将继续和太美医疗科技开展深入合作，推动更多科研成果的发现。”
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
