佛罗里达大西洋大学研究人员获得资助用于个性化癌症放射治疗
虽然化疗在个性化方面取得了进展，但癌症的个性化放射治疗仍未得到充分发展。目前的癌症治疗方法(包括放射治疗)错综复杂，缺乏个性化，严重依赖医疗团队的专业知识。医学图像分析和机器学习在增强个性化肿瘤治疗方面前景广阔。然而，挑战依然存在，例如高质量数据有限和数据复杂性。
瓦齐尔·穆罕默德 (Wazir Muhammad)博士是佛罗里达大西洋大学查尔斯·施密特科学学院物理系的首席研究员和助理教授，他从 Precess Medical Derivatives, Inc. 公司获得了 701,000 美元的资助，该公司专门提供一系列医学物理服务以及设计和开发软件应用程序，其项目旨在通过使癌症治疗更加个性化和有效来彻底改变癌症治疗。
该项目名为“解读癌症患者的数字孪生以实现个性化治疗”，利用人工智能，特别是深度强化学习 (DRL)，来分析多模态数据，并增强癌症表征和治疗，最终改善患者的治疗效果。
穆罕默德说：“利用个人健康数据、肿瘤基因信息以及患者治疗和随访数据，数字孪生将模拟诊断和治疗方案，帮助医生选择最有效的治疗方法并监测一段时间内的反应。”
该项目将有助于解决数据质量、复杂性和临床工作流程集成方面的挑战。
DRL 是利用医疗保健领域数据驱动决策的强大方法，但其应用需要仔细考虑特定于医疗环境的伦理、安全性和可解释性问题。尽管 AI 在推进个性化癌症治疗方面显示出希望，但将其整合到常规临床应用中需要克服这些重大的技术和伦理障碍。
“在肿瘤学或医学应用中，深度强化学习可用于通过从患者数据中学习并根据观察到的结果调整治疗计划来优化治疗策略，”穆罕默德说。“它还可以通过考虑个体患者特征并预测不同干预措施的有效性来帮助个性化治疗。”
该项目将创建癌症患者动态数字孪生的原型，以更好地了解和治疗癌症。数字孪生将使用观察数据来表示患者的当前状态并预测未来的转变。它将结合模拟、模型推理、数据同化和高性能计算来连接尺度和过程。
穆罕默德说：“该模型的目标是提供优化的治疗计划，辅助诊断和随访，并利用患者的数据(包括健康史、癌症组织学、基因组和分子分析、之前的治疗史和放射敏感性指数)来改善患者的治疗效果。”
为肿瘤患者创建患者专属数字孪生需要医生、放射科医生、医学物理学家、建模师、临床医生、计算科学家和软件工程师的大量协调努力。这个为期三年的项目将涉及开发一个流程，以匿名方式收集、分类和分析患者的多模态数据;构建 DRL 模型;并根据标准协议评估数字孪生。
肿瘤学数字孪生的创建将遵循结构化的五步骤流程，包括模型设计、个性化、测试、改进和验证以及持续改进。
穆罕默德说：“重要的是，如果这个项目成功，它可以帮助缩小不同地理或人口群体之间的健康差距。”
美国癌症协会估计，2024 年将有超过 200 万例新癌症病例。美国约 50% 的癌症患者接受放射治疗作为其治疗方案的一部分。
佛罗里达大西洋大学查尔斯·施密特科学学院院长、博士瓦莱里·福布斯 (Valery Forbes ) 表示：“授予穆罕默德博士的这项重要拨款是对个性化放射治疗发展的重要研究，将使医疗保健提供者能够根据每位患者独特的癌症状况量身定制治疗方案。” “这种新方法有望提高治疗效果并最大限度地减少副作用，最终改善癌症患者的治疗效果和生活质量。”
版权声明：本文由用户上传，如有侵权请联系删除！