由科技大学(科大)领导的国际研究团队揭示了原发性脑肿瘤在治疗下如何演变，并开发了一种人工智能(AI)驱动的模型，用于患者预测其预后，为更好的患者管理提供线索策略和精准肿瘤学。

恶性弥漫性神经胶质瘤是成人最常见的原发性脑肿瘤，主要通过手术、放疗和化疗药物替莫唑胺 (TMZ) 相结合的方式进行治疗。然而，TMZ 治疗通常只能将患者的总生存时间延长三个月左右，因为他们几乎不可避免地会遭受侵袭性胶质瘤的复发。到目前为止，标准疗法下驱动神经胶质瘤进化的分子机制仍然难以捉摸。

为了揭开这个谜团，科大生命科学部及化学与生物工程系Padma Harilela生命科学副教授王继光教授领导的研究团队全面分析了544名神经胶质瘤患者的肿瘤样本的分子和临床数据。包括 182 名东亚血统患者，以确定所有神经胶质瘤亚型中肿瘤进化的基因组和转录组预测因子。

在分析大数据后，研究小组发现了与 TMZ 耐药和神经胶质瘤快速进展相关的早期预测因素。这些预测因素包括初始诊断时调节基因 MYC 或MYC靶标激活的表达增加，从而导致治疗诱导的超突变。此外，还发现诊断时CDKN2A基因的缺失可以强烈预测肿瘤加速发展到晚期。

研究小组进一步发现，东亚脑肿瘤与白人脑肿瘤相比具有显着不同的基因突变。东亚患者的 7 号染色体增加和 10 号染色体丢失频率降低，而 MYC 拷贝数增加频率增加。此外，rs55705857(G)——一种在白种人患者中发现的已知高神经胶质瘤危险因素——在东亚人群中较少观察到。

“这些发现强调了针对癌症的定制疗法的重要性，”王教授说。“我们相信，神经胶质瘤进化中这些早期预测因素的发现可能有助于开发这种侵袭性脑肿瘤的精准医学，特别是对于复发性患者。”

为了帮助更好地评估患者预后，研究团队开发了一种名为CELLO2( Cancer E vo Lution for LO ngitudinal data version 2 )的机器学习模型，用于在初步诊断后评估患者预后。经过训练的模型可以准确预测复发性肿瘤在 TMZ 治疗下是否会进展为更具侵袭性的形式，并识别风险较高的患者。

为了方便公众访问预测模型，该团队开发了一个交互式且开放的门户网站(CELLO2)，供患者和医生探索纵向胶质瘤数据资源，并根据临床和临床数据对治疗引起的超突变和分级进展的发展进行预测。基因组特征。该平台对患者来说是一个有价值的工具，使他们能够更深入地了解脑肿瘤的侵袭性。

首都医科大学附属北京天坛医院教授、北京神经外科研究所所长江涛教授表示：“CELLO2是第一个根据原发肿瘤的分子特征来预测复发肿瘤分级或耐药性潜在增加的有价值的工具。为临床管理和预后评估提供重要参考。”

该研究是与北京天坛医院、三星医疗中心和中文大学(中大)威尔士亲王医院合作进行的。他们的研究结果最近发表在《科学转化医学》上。

展望未来，该团队计划通过整合更多患者数据来进一步增强机器学习模型，这可能有助于探索在神经胶质瘤内耐药性发展中也发挥作用的其他分子机制。该团队还与中文大学、北京天坛医院和上海华山医院合作开发人工智能平台，结合影像和多组学数据，以推进精准神经肿瘤学。