頭頸部鱗狀細胞癌是十種最常見的癌症類型之一。
赫爾辛基大學的研究人員與圖爾庫大學和德國馬克斯·普朗克分子生物醫學研究所合作,使用基於機器學習的方法,在單一細胞的準確性水平上分析了數百個生物庫患者樣本。這項新技術結合了癌細胞行為指標以及腫瘤和周圍健康組織的結構,為每位患者創建一種“指紋”,可用於評估癌症的預後和治療反應。
該研究最重要的發現是開發了一種新的成像分析技術,將細胞行為生物標記分析與單細胞形狀和整個腫瘤組織結構的形態學分析結合起來。此方法能夠識別出兩組先前未檢測到的新患者。對於第一組,預後非常好,而第二組則非常糟糕。這種差異可以透過特定癌細胞狀態和癌細胞周圍組織組成的特定組合來解釋。在後一組中,疾病的侵襲性與表皮生長因子(EGF)介導的癌組織和周圍健康結締組織之間的信號傳導有關。
「這些結果是理解癌症發展和診斷方面的突破。我們首次證明,健康組織中惡性細胞和組織細胞類型的特定組合對癌症進展具有很強的預後作用。此外,我們確定了一條關鍵的信號傳導途徑,可以解釋這種複合效應,並且可以透過藥理學靶向,從而顯著影響癌症的進展,」研究主任Sara Wickström 說。
「此外,我們的方法能夠識別出預後特別差的患者,他們將受益於積極的治療策略。另一方面,我們還識別了一組預後良好且不太積極的治療的患者,例如僅作為外科手術就足夠了,這將有助於保持患者的生活品質”,Wickström 研究小組的博士後研究員Karolina Punovuori 說。
診斷測試正在開發中
新的影像方法為頭頸部癌症的精確診斷打開了大門。研究人員目前正在開發一種診斷測試,以便更準確地診斷此類癌症。此外,他們也正在研究該方法在其他類型癌症(例如大腸癌)診斷上的應用。他們獲得了芬蘭商業投資局針對 Multivision Diagnostics 計畫的研究到商業資助,該計畫開發的應用程式可能可供癌症診所使用。
「我們的研究利用了機器學習和太空生物學領域的最新分析方法。我們分析了數百個患者樣本和數百萬個細胞,這只有在高效能電腦和人工智慧的幫助下才有可能實現。這項研究是一場新革命的一部分我們相信該技術將顯著提高癌症診斷和治療策略的準確性,」Sara Wickström 解釋道。
「使用抗體染色對癌症生物標記進行成像已經在臨床使用。因此該方法不會特別昂貴,因為它只需要我們開發的演算法和特殊的抗體組合。考慮到癌症治療的成本,這實際上是相當昂貴的。
過去 30 年來,頭頸癌的發生率大幅增加。