夜雨聆风
（2026年5月21日）一种基于人工智能的工具可能帮助医生判断哪些新诊断的多发性骨髓瘤患者最有可能从特定疗法中受益，包括免疫疗法和干细胞移植。
迈阿密大学米勒医学院下属的西尔维斯特综合癌症中心的研究人员发现，隐藏在常规骨髓活检切片中的免疫相关信号可以预测患者结局的差异，并支持更个性化的治疗策略。研究成果将由Sylvester研究科学家Arjun Raj Rajanna在2026年美国临床肿瘤学会（ASCO）年会上发表。
图片来源：西尔维斯特综合癌症中心
治疗多发性骨髓瘤的医生拥有前所未有的治疗选择，包括强效的免疫疗法和更广泛的干细胞移植服务。然而，决定哪些患者需要最强化的治疗，哪些可以安全避免，仍是一项重大挑战。
新研究表明，人工智能能够揭示隐藏在标准骨髓活检切片中的临床意义上的免疫信号。这些见解有助于医生为新诊断的多发性骨髓瘤患者制定针对性的治疗策略。
“我们正在利用人工智能，朝着更精准的多发性骨髓瘤患者治疗方向迈进，”Rajanna说。“我们不是问哪种药物组合总体上最好，而是用人工智能来判断哪种治疗策略最适合每个患者的生物学特征。”
多发性骨髓瘤是一种发生在骨髓中的血液癌症。近年来，治疗选择迅速扩展。其中一种疗法是达拉图单抗，这是一种单克隆抗体，帮助免疫系统的自然杀伤细胞识别并攻击骨髓瘤细胞。
另一种常见治疗是自体干细胞移植。虽然这种方法可以延长癌症复发的时间，但也带来了显著的副作用，并可能暂时削弱免疫系统，增加感染风险。
多发性骨髓瘤患者对相同疗法的反应通常大不相同。研究人员认为，骨髓微环境——包围癌细胞的免疫细胞和信号分子的复杂组合——可能有助于解释原因。
在去年的美国血液学会年会上，研究团队展示了一个能够从常规活检切片中重建骨髓分子特征的人工智能模型。基于该研究，研究人员探讨了相同的图像是否也能揭示患者免疫系统的有意义信息——这对于像达拉图单抗这样直接依赖免疫细胞才能有效的免疫疗法尤为重要。
“即使是具有相同临床阶段或遗传风险的患者，也可能拥有截然不同的免疫微环境、治疗敏感性和长期结局，”研究的首席作者、西尔维斯特多发性骨髓瘤研究所所长、转化与临床肿瘤项目联合负责人及保罗·J·迪马雷免疫治疗讲席教授C. Ola Landgren博士表示。
他说，诊断时理解免疫生物学可能与了解肿瘤的遗传结构同样重要。为此，研究人员研究了基于AI的骨髓图像分析是否有助于预测患者对特定治疗的反应。
在本次研究中，研究人员使用了一个名为GigaTIME的基础人工智能模型，分析了骨髓活检切片中的免疫特征。他们考察了这些信号是否有助于识别哪些患者最受益于达拉图单抗，哪些患者可能安全推迟干细胞移植。
利用GigaTIME，团队通过对212名新诊断的多发性骨髓瘤患者进行活检切片，估算了与自然杀伤细胞相关的CD16水平。研究人员随后分析了这些患者对博替佐米、来那度胺和地塞米松（VRd，或D-VRd）的反应，后者在方案中加入达拉图单抗。
该研究的主要终点是下一次治疗的时间，定义为患者在需要更换治疗前坚持初始治疗的时间。研究人员还测量了无事件生存期，反映了患者避免疾病进展或接受新治疗的时间。
兰德格伦说：“对患者来说，下一次治疗时间越长，通常直接意味着疾病控制时间更长，生活质量提升，治疗相关毒性减少，日常生活干扰更少。”
分析显示，接受VRd且未进行移植的患者，AI预测CD16水平较低的患者，下一次治疗所需的时间显著缩短。相比之下，低CD16组患者在接受D-VRd治疗时结局明显更好。18个月时，86.8%的患者保持无事件，而仅用VRd治疗的患者仅为28.6%。
研究人员还发现，在AI预测CD16水平较高的患者中，无论是否接受干细胞移植D-VRd，18个月时的结局都相当。
兰德格伦说：“这项研究并不意味着多发性骨髓瘤中移植不再重要。”“相反，这些发现支持了一种新兴的观念：移植决策可能会变得越来越个性化和生物学驱动。”
这些发现标志着多发性骨髓瘤中人工智能指导精准医疗的重要早期一步。
拉贾纳说：“西尔维斯特非常支持将人工智能引入癌症研究，直接帮助患者和临床医生做出艰难的治疗决策。”
虽然前景看好，但该方法仍处于研究阶段。
“目前这仍是一个研究工具，但信号很强，”他说。“在人工智能模型全面进入临床之前，我们还需要进一步前瞻性验证这些发现。”
接下来，团队计划将AI预测的CD16水平与直接测量的免疫生物标志物进行比较。他们还在扩展模型，涵盖更大、更多样化的患者数据集，以及更多的免疫标志物。
兰德格伦说：“我希望这项研究能够凸显人工智能能够超越单纯自动化工作流程，而成为生物发现和临床决策支持的强大工具。”“这可能标志着多发性骨髓瘤中人工智能驱动数字病理学新时代的开始。”
免责声明：文章摘自网络，本文转载仅供参考、交流。转载的稿件版权归原作者和机构所有，如有侵犯您的权益，请联系我们第一时间进行删除！
