近日，太美醫(yī)療科技收獲喜訊 —— 一項由解放軍總醫(yī)院第一醫(yī)學中心徐建明教授領銜，和黃醫(yī)藥、太美醫(yī)療科技影像科學事業(yè)部共同支持，利用影像組學標志物精準篩選神經內分泌腫瘤（NET）經索凡替尼（surufatinib）治療應答群體的前沿研究入選歐洲腫瘤內科學會年會（ESMO）壁報展示。該項研究基于機器學習技術構建AI模型，精準識別、智能篩選治療中可能存在有效應答的NET患者，進而輔助提高治療應答率，幫助NET患者達到更好的整體腫瘤治療率，實現(xiàn)個性化精準醫(yī)療。

神經內分泌腫瘤（NET）是一類較為少見的腫瘤，但隨著內鏡和生物標志物等診斷技術的進步，NET的發(fā)病率和患病率均呈顯著上升趨勢。NET起病隱匿，可起源于全身各個部位、呈高度異質性，患者的癥狀和體征各異，臨床容易誤診，從發(fā)病至確診通常需要5－7年的時間，－近年來隨著內鏡和生物標志物等診斷技術的進步，NET的發(fā)病率和患病率均呈顯著上升趨勢，然而由于腫瘤界對于該疾病的研究尚不深入，多數患者確診時疾病已到晚期，只有少數患者有機會接受根治性手術切除。創(chuàng)新療法及藥物研發(fā)進度也相對緩慢，導致治療難度極大。

全球范圍內已有近十年沒有新藥誕生。尤其對于非胰腺NET來說，由于疾病復雜性高，治療難度大，目前幾乎沒有療效令人滿意的藥物可用，存在較大的未滿足的臨床需求。

作為和黃醫(yī)藥自主研發(fā)的創(chuàng)新靶向藥物，索凡替尼兩項重磅研究分別針對胰腺NET和非胰腺NET，這一設計本身就非常難得，而其研究結果也同樣出色。

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劑），全球首個覆蓋所有部位來源的神經內分泌瘤治療藥物，用于治療無法手術切除的局部晚期或轉移性、進展期非功能性、分化良好（G1、G2）的胰腺和非胰腺來源的神經內分泌瘤。無論SSTR狀態(tài)、無論Ki67指數高低、無論腫瘤負荷大小，索凡替尼均顯著延長PFS，實現(xiàn)腫瘤退縮。并且EP－NET和P－NET的ORR（客觀緩解率）分別是10．3％和19．2％，是依維莫司的5倍、舒尼替尼的2倍；EP－NET中68％患者實現(xiàn)腫瘤退縮，P－NET中84％患者實現(xiàn)腫瘤退縮，索凡替尼Ⅲ期臨床試驗亞組分析顯示，Ki－67表達水平越高，腫瘤退縮和PFS獲益越明顯，提示索凡替尼療效明顯優(yōu)于依維莫司和舒尼替尼，且安全性良好。現(xiàn)已得到各大指南和共識的推薦。而在臨床實踐中，如何更早、更快、更精準地篩選出索凡替尼治療獲益的患者群體至關重要。作為國內先進的IRC服務供應商，太美醫(yī)療科技受邀與頂級專家、創(chuàng)新藥企強強聯(lián)手，以智能技術破局臨床難題，為前沿研究貢獻力量。

解放軍總醫(yī)院第一醫(yī)學中心徐建明教授

研究團隊

解放軍總醫(yī)院徐建明教授團隊、和黃醫(yī)藥、太美醫(yī)療科技影像科學事業(yè)部

研究目的

利用影像組學標志物和機器學習技術，幫助臨床試驗和真實世界臨床實踐更加精準的識別NET病患治療的有效反應者。

研究過程

數據是該項研究面臨的首要挑戰(zhàn) —— 迄今為止，全球范圍內NET相關臨床試驗數據依然相當稀缺。該項研究中，基于和黃醫(yī)藥索凡替尼3項關鍵性臨床試驗（1項Ⅱ期和2項Ⅲ期注冊研究）的NET患者的臨床及影像數據，在徐建明教授的領導下，聯(lián)合研究團隊構建了當前業(yè)界少有的高水平NET數據隊列，并高質量地完成數據清洗、質控、病灶標注等一系列工作，為最終AI模型的出色表現(xiàn)打下了基礎。

病灶的精準勾畫是此次研究面臨的另一難題。傳統(tǒng)的基于影像的腫瘤疾病診斷僅需長短徑測量，然而，此次研究要求研究者對于海量NET影像確定個體化、精確化的病灶勾畫范圍，這也對于標注專家選擇、標注工具、標注方法、質控等一系列流程提出了更高的要求。

一方面，其病灶大多處于彌散狀態(tài)，且病灶個體較小，勾畫困難，需要采用門靜脈期、動脈期、平衡期等多個期像反復觀看辨認，工作量顯著增加；對于彌漫多發(fā)融合的轉移瘤和瘤周存在異常灌注的腫瘤，由于病灶邊界并不清晰，導致病灶勾畫難度進一步增加；另一方面，部分肝臟內還同時存在囊腫與血管瘤，高度類似于轉移灶，這給標注和質控都帶來了不小挑戰(zhàn)。

太美醫(yī)療科技在醫(yī)學影像的獨立評審上具有豐富經驗，不僅擁有高水平的項目運營、醫(yī)學和研究團隊，以及豐富的外部專家資源，而且協(xié)助多項重點研究以及科研項目通過國家局審評。在該項目中，太美醫(yī)療科技影像科學事業(yè)部積極協(xié)調IRC專家資源，由資深影像專家在腹部增強CT圖像上進行逐層病灶勾畫，高水平完成了超萬張少見NET腫瘤及轉移灶的圖像標注工作，并結合醫(yī)學質控策略，出色地完成了標注工作。

隨后，研究團隊對影像組學參數及臨床因素進行處理和分析，結合特征工程和不同類型的建模策略，獲取最優(yōu)模型的結果。

“該項研究相較于傳統(tǒng)的患者篩選模式，能夠更加精準地找出對于創(chuàng)新藥物具有療效反應的潛在受試者群體，加速新藥的臨床使用”，徐建明教授表示，“同時，該項研究也有望為同類研究提供借鑒意義，幫助創(chuàng)新藥企更好地推進臨床試驗。未來，我們將繼續(xù)和太美醫(yī)療科技開展深入合作，推動更多科研成果的發(fā)現(xiàn)�！�