利用纵向液体活检数据的动态感知模型预测胃癌患者的治疗反应

背景：胃癌（GC）由于患者特异性异质性，在预测治疗反应方面存在挑战。近期，液体活检作为一种有价值的数据模态崭露头角，不仅能提供关键的细胞与分子信息，还能捕获具有时间敏感性的动态数据。本研究旨在利用人工智能（AI）技术分析纵向液体活检数据。方法：我们收集了北京肿瘤医院2019年7月至2022年4月期间91例患者的纵向液体活检数据集，包含1895张肿瘤相关细胞图像和1698项肿瘤标志物指标。随后，我们提出了动态感知模型（DAM）用于预测胃癌治疗反应。该模型通过AI驱动的组件整合动态数据，实现了深入的纵向分析。结果：通过三重交叉验证，DAM在预测胃癌治疗反应方面展现出优于传统细胞计数方法的性能，AUC达到0.807。在测试集中，DAM保持稳定效能，AUC为0.802。此外，DAM能够基于早期治疗数据准确预测治疗反应。通过注意力机制的可视化分析，DAM识别出六个与聚焦区域相关的动态视觉特征，这些特征与治疗反应存在显著关联。结论：本研究首次将AI技术应用于纵向液体活检数据的解析，并在胃癌领域引入可视化分析。该方法为胃癌患者的精准疗效预测和个体化治疗策略提供了可行路径。