CN117637185B - 一种基于影像的颅咽管瘤治疗辅助决策方法、系统及设备 - Google Patents
一种基于影像的颅咽管瘤治疗辅助决策方法、系统及设备 Download PDFInfo
- Publication number
- CN117637185B CN117637185B CN202410103576.4A CN202410103576A CN117637185B CN 117637185 B CN117637185 B CN 117637185B CN 202410103576 A CN202410103576 A CN 202410103576A CN 117637185 B CN117637185 B CN 117637185B
- Authority
- CN
- China
- Prior art keywords
- craniopharyngeal
- caf
- tumor
- image
- content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000011282 treatment Methods 0.000 title claims abstract description 48
- 230000001575 pathological effect Effects 0.000 claims abstract description 18
- 210000004556 brain Anatomy 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 11
- 238000013507 mapping Methods 0.000 claims abstract description 9
- 239000003112 inhibitor Substances 0.000 claims description 41
- 230000009826 neoplastic cell growth Effects 0.000 claims description 32
- 102100023832 Prolyl endopeptidase FAP Human genes 0.000 claims description 30
- 210000002220 organoid Anatomy 0.000 claims description 27
- 102100037236 Tyrosine-protein kinase receptor UFO Human genes 0.000 claims description 20
- 210000003298 dental enamel Anatomy 0.000 claims description 18
- 210000001519 tissue Anatomy 0.000 claims description 14
- KXMZDGSRSGHMMK-VWLOTQADSA-N 1-(6,7-dihydro-5h-benzo[2,3]cyclohepta[2,4-d]pyridazin-3-yl)-3-n-[(7s)-7-pyrrolidin-1-yl-6,7,8,9-tetrahydro-5h-benzo[7]annulen-3-yl]-1,2,4-triazole-3,5-diamine Chemical compound N1([C@H]2CCC3=CC=C(C=C3CC2)NC=2N=C(N(N=2)C=2N=NC=3C4=CC=CC=C4CCCC=3C=2)N)CCCC1 KXMZDGSRSGHMMK-VWLOTQADSA-N 0.000 claims description 13
- OXYYOEIGQRXGPI-WSZWBAFRSA-N [(2s)-1-[(2r)-2-boronopyrrolidin-1-yl]-3-methyl-1-oxobutan-2-yl]azanium;methanesulfonate Chemical compound CS(O)(=O)=O.CC(C)[C@H](N)C(=O)N1CCC[C@H]1B(O)O OXYYOEIGQRXGPI-WSZWBAFRSA-N 0.000 claims description 13
- 229950009568 bemcentinib Drugs 0.000 claims description 13
- 239000003814 drug Substances 0.000 claims description 11
- 229940079593 drug Drugs 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000002474 experimental method Methods 0.000 claims description 5
- UJOUWHLYTQFUCU-WXXKFALUSA-N (e)-but-2-enedioic acid;6-ethyl-3-[3-methoxy-4-[4-(4-methylpiperazin-1-yl)piperidin-1-yl]anilino]-5-(oxan-4-ylamino)pyrazine-2-carboxamide Chemical compound OC(=O)\C=C\C(O)=O.N1=C(NC2CCOCC2)C(CC)=NC(C(N)=O)=C1NC(C=C1OC)=CC=C1N(CC1)CCC1N1CCN(C)CC1.N1=C(NC2CCOCC2)C(CC)=NC(C(N)=O)=C1NC(C=C1OC)=CC=C1N(CC1)CCC1N1CCN(C)CC1 UJOUWHLYTQFUCU-WXXKFALUSA-N 0.000 claims description 4
- BCFKACXAIBEPKR-UHFFFAOYSA-N 2-[3-[2-[3-fluoro-4-(4-methylpiperazin-1-yl)anilino]-5-methyl-7h-pyrrolo[2,3-d]pyrimidin-4-yl]phenyl]acetonitrile Chemical compound C1CN(C)CCN1C(C(=C1)F)=CC=C1NC1=NC(C=2C=C(CC#N)C=CC=2)=C(C(C)=CN2)C2=N1 BCFKACXAIBEPKR-UHFFFAOYSA-N 0.000 claims description 4
- 239000002176 L01XE26 - Cabozantinib Substances 0.000 claims description 4
- 229960001292 cabozantinib Drugs 0.000 claims description 4
- ONIQOQHATWINJY-UHFFFAOYSA-N cabozantinib Chemical compound C=12C=C(OC)C(OC)=CC2=NC=CC=1OC(C=C1)=CC=C1NC(=O)C1(C(=O)NC=2C=CC(F)=CC=2)CC1 ONIQOQHATWINJY-UHFFFAOYSA-N 0.000 claims description 4
- 229950006304 gilteritinib Drugs 0.000 claims description 4
- GYQYAJJFPNQOOW-UHFFFAOYSA-N gilteritinib Chemical compound N1=C(NC2CCOCC2)C(CC)=NC(C(N)=O)=C1NC(C=C1OC)=CC=C1N(CC1)CCC1N1CCN(C)CC1 GYQYAJJFPNQOOW-UHFFFAOYSA-N 0.000 claims description 4
- WHMMKPWGWNYYFE-UHFFFAOYSA-N n-[5-(6,7-dimethoxyquinolin-4-yl)oxypyridin-2-yl]-2,5-dioxo-1-phenyl-7,8-dihydro-6h-quinoline-3-carboxamide Chemical compound C=12C=C(OC)C(OC)=CC2=NC=CC=1OC(C=N1)=CC=C1NC(=O)C(C1=O)=CC=2C(=O)CCCC=2N1C1=CC=CC=C1 WHMMKPWGWNYYFE-UHFFFAOYSA-N 0.000 claims description 4
- 229940126911 tamnorzatinib Drugs 0.000 claims description 4
- 229940020056 tilvestamab Drugs 0.000 claims description 4
- ICWDAESAANBIGG-LJAQVGFWSA-N OC(=O)CN1CCN(CC(O)=O)CCN(CC(=O)N2CCN(CCCOc3ccc4nccc(C(=O)NCC(=O)N5CC(F)(F)C[C@H]5C#N)c4c3)CC2)CCN(CC(O)=O)CC1 Chemical compound OC(=O)CN1CCN(CC(O)=O)CCN(CC(=O)N2CCN(CCCOc3ccc4nccc(C(=O)NCC(=O)N5CC(F)(F)C[C@H]5C#N)c4c3)CC2)CCN(CC(O)=O)CC1 ICWDAESAANBIGG-LJAQVGFWSA-N 0.000 claims description 3
- UUOZISWTWURDGU-SSDOTTSWSA-N [(2S)-1-(2-acetamidoacetyl)pyrrolidin-2-yl]boronic acid Chemical compound CC(=O)NCC(=O)N1CCC[C@@H]1B(O)O UUOZISWTWURDGU-SSDOTTSWSA-N 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- PUOOCZVRHBHJRS-NSHDSACASA-N n-[2-[(2s)-2-cyano-4,4-difluoropyrrolidin-1-yl]-2-oxoethyl]quinoline-4-carboxamide Chemical compound C1C(F)(F)C[C@@H](C#N)N1C(=O)CNC(=O)C1=CC=NC2=CC=CC=C12 PUOOCZVRHBHJRS-NSHDSACASA-N 0.000 claims description 3
- 210000002445 nipple Anatomy 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 210000004027 cell Anatomy 0.000 description 29
- 108010072257 fibroblast activation protein alpha Proteins 0.000 description 27
- 238000003066 decision tree Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 210000002950 fibroblast Anatomy 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 102100024216 Programmed cell death 1 ligand 1 Human genes 0.000 description 7
- 238000007637 random forest analysis Methods 0.000 description 7
- 101001117317 Homo sapiens Programmed cell death 1 ligand 1 Proteins 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 210000002919 epithelial cell Anatomy 0.000 description 6
- 101100463133 Caenorhabditis elegans pdl-1 gene Proteins 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 201000011510 cancer Diseases 0.000 description 5
- 238000001959 radiotherapy Methods 0.000 description 5
- 230000004913 activation Effects 0.000 description 4
- 150000001413 amino acids Chemical class 0.000 description 4
- 239000000427 antigen Substances 0.000 description 4
- 102000036639 antigens Human genes 0.000 description 4
- 108091007433 antigens Proteins 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000001506 immunosuppresive effect Effects 0.000 description 4
- 230000002401 inhibitory effect Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000036210 malignancy Effects 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 210000004881 tumor cell Anatomy 0.000 description 4
- 208000009798 Craniopharyngioma Diseases 0.000 description 3
- 108700024394 Exon Proteins 0.000 description 3
- 206010062016 Immunosuppression Diseases 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 210000000987 immune system Anatomy 0.000 description 3
- 238000009169 immunotherapy Methods 0.000 description 3
- 230000003834 intracellular effect Effects 0.000 description 3
- 210000001165 lymph node Anatomy 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 210000000211 third ventricle Anatomy 0.000 description 3
- 238000013518 transcription Methods 0.000 description 3
- 230000005751 tumor progression Effects 0.000 description 3
- 102000004127 Cytokines Human genes 0.000 description 2
- 108090000695 Cytokines Proteins 0.000 description 2
- 102100025012 Dipeptidyl peptidase 4 Human genes 0.000 description 2
- 108090000194 Dipeptidyl-peptidases and tripeptidyl-peptidases Proteins 0.000 description 2
- 102000003779 Dipeptidyl-peptidases and tripeptidyl-peptidases Human genes 0.000 description 2
- 108010059378 Endopeptidases Proteins 0.000 description 2
- 102000005593 Endopeptidases Human genes 0.000 description 2
- 102000010834 Extracellular Matrix Proteins Human genes 0.000 description 2
- 108010037362 Extracellular Matrix Proteins Proteins 0.000 description 2
- 102000003974 Fibroblast growth factor 2 Human genes 0.000 description 2
- 108090000379 Fibroblast growth factor 2 Proteins 0.000 description 2
- 101000930822 Giardia intestinalis Dipeptidyl-peptidase 4 Proteins 0.000 description 2
- 206010019233 Headaches Diseases 0.000 description 2
- 102000004889 Interleukin-6 Human genes 0.000 description 2
- 108090001005 Interleukin-6 Proteins 0.000 description 2
- 206010027476 Metastases Diseases 0.000 description 2
- 206010061309 Neoplasm progression Diseases 0.000 description 2
- 101710094000 Programmed cell death 1 ligand 1 Proteins 0.000 description 2
- 108010023337 axl receptor tyrosine kinase Proteins 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 208000035269 cancer or benign tumor Diseases 0.000 description 2
- 238000002512 chemotherapy Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 210000002889 endothelial cell Anatomy 0.000 description 2
- 210000002744 extracellular matrix Anatomy 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 231100000869 headache Toxicity 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 210000002865 immune cell Anatomy 0.000 description 2
- 238000003125 immunofluorescent labeling Methods 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 230000035992 intercellular communication Effects 0.000 description 2
- 229940100601 interleukin-6 Drugs 0.000 description 2
- 239000003446 ligand Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 210000001616 monocyte Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002980 postoperative effect Effects 0.000 description 2
- 230000035755 proliferation Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 230000035897 transcription Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- QDZOEBFLNHCSSF-PFFBOGFISA-N (2S)-2-[[(2R)-2-[[(2S)-1-[(2S)-6-amino-2-[[(2S)-1-[(2R)-2-amino-5-carbamimidamidopentanoyl]pyrrolidine-2-carbonyl]amino]hexanoyl]pyrrolidine-2-carbonyl]amino]-3-(1H-indol-3-yl)propanoyl]amino]-N-[(2R)-1-[[(2S)-1-[[(2R)-1-[[(2S)-1-[[(2S)-1-amino-4-methyl-1-oxopentan-2-yl]amino]-4-methyl-1-oxopentan-2-yl]amino]-3-(1H-indol-3-yl)-1-oxopropan-2-yl]amino]-1-oxo-3-phenylpropan-2-yl]amino]-3-(1H-indol-3-yl)-1-oxopropan-2-yl]pentanediamide Chemical compound C([C@@H](C(=O)N[C@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CC(C)C)C(N)=O)NC(=O)[C@@H](CC=1C2=CC=CC=C2NC=1)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](CC=1C2=CC=CC=C2NC=1)NC(=O)[C@H]1N(CCC1)C(=O)[C@H](CCCCN)NC(=O)[C@H]1N(CCC1)C(=O)[C@H](N)CCCNC(N)=N)C1=CC=CC=C1 QDZOEBFLNHCSSF-PFFBOGFISA-N 0.000 description 1
- 102100035991 Alpha-2-antiplasmin Human genes 0.000 description 1
- 208000023275 Autoimmune disease Diseases 0.000 description 1
- 208000012639 Balance disease Diseases 0.000 description 1
- 241000219495 Betulaceae Species 0.000 description 1
- 101800000407 Brain natriuretic peptide 32 Proteins 0.000 description 1
- 102400000667 Brain natriuretic peptide 32 Human genes 0.000 description 1
- UUDPUQDMSHQSKH-NSHDSACASA-N CCN1Cc2c(O[C@@H](C)CNC(=O)c3c(N)nn4ccc1nc34)ccc(F)c2C#N Chemical compound CCN1Cc2c(O[C@@H](C)CNC(=O)c3c(N)nn4ccc1nc34)ccc(F)c2C#N UUDPUQDMSHQSKH-NSHDSACASA-N 0.000 description 1
- 101150091609 CD274 gene Proteins 0.000 description 1
- 210000001266 CD8-positive T-lymphocyte Anatomy 0.000 description 1
- 208000005623 Carcinogenesis Diseases 0.000 description 1
- 102100028914 Catenin beta-1 Human genes 0.000 description 1
- 102000000503 Collagen Type II Human genes 0.000 description 1
- 108010041390 Collagen Type II Proteins 0.000 description 1
- 102000001187 Collagen Type III Human genes 0.000 description 1
- 108010069502 Collagen Type III Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000003973 Fibroblast growth factor 21 Human genes 0.000 description 1
- 108090000376 Fibroblast growth factor 21 Proteins 0.000 description 1
- 102000002090 Fibronectin type III Human genes 0.000 description 1
- 108050009401 Fibronectin type III Proteins 0.000 description 1
- 101100407305 Homo sapiens CD274 gene Proteins 0.000 description 1
- 101000916173 Homo sapiens Catenin beta-1 Proteins 0.000 description 1
- 101000908391 Homo sapiens Dipeptidyl peptidase 4 Proteins 0.000 description 1
- 108060003951 Immunoglobulin Proteins 0.000 description 1
- 206010054949 Metaplasia Diseases 0.000 description 1
- 208000003450 Neurogenic Diabetes Insipidus Diseases 0.000 description 1
- 108090000189 Neuropeptides Proteins 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 108700020796 Oncogene Proteins 0.000 description 1
- 108010050095 PT-100 dipeptide Proteins 0.000 description 1
- 102000035195 Peptidases Human genes 0.000 description 1
- 108091005804 Peptidases Proteins 0.000 description 1
- 108091000080 Phosphotransferase Proteins 0.000 description 1
- 208000004880 Polyuria Diseases 0.000 description 1
- 206010067268 Post procedural infection Diseases 0.000 description 1
- 101710129873 Prolyl endopeptidase FAP Proteins 0.000 description 1
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 108090000412 Protein-Tyrosine Kinases Proteins 0.000 description 1
- 102000004022 Protein-Tyrosine Kinases Human genes 0.000 description 1
- 108010022999 Serine Proteases Proteins 0.000 description 1
- 102000012479 Serine Proteases Human genes 0.000 description 1
- 201000001880 Sexual dysfunction Diseases 0.000 description 1
- 101800003906 Substance P Proteins 0.000 description 1
- 102400000096 Substance P Human genes 0.000 description 1
- 210000001744 T-lymphocyte Anatomy 0.000 description 1
- 108091005906 Type I transmembrane proteins Proteins 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 210000001789 adipocyte Anatomy 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 229960000548 alemtuzumab Drugs 0.000 description 1
- 108090000183 alpha-2-Antiplasmin Proteins 0.000 description 1
- 238000011122 anti-angiogenic therapy Methods 0.000 description 1
- 238000003782 apoptosis assay Methods 0.000 description 1
- 230000006907 apoptotic process Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 210000001130 astrocyte Anatomy 0.000 description 1
- 229960003852 atezolizumab Drugs 0.000 description 1
- -1 batiraxcept Chemical compound 0.000 description 1
- 229940062883 batiraxcept Drugs 0.000 description 1
- 108700041737 bcl-2 Genes Proteins 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 230000036952 cancer formation Effects 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 231100000504 carcinogenesis Toxicity 0.000 description 1
- 230000003197 catalytic effect Effects 0.000 description 1
- 208000028235 central diabetes insipidus Diseases 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 210000001151 cytotoxic T lymphocyte Anatomy 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 231100000020 developmental retardation Toxicity 0.000 description 1
- 201000010064 diabetes insipidus Diseases 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000006471 dimerization reaction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000035619 diuresis Effects 0.000 description 1
- YUAALFPUEOYPNX-UHFFFAOYSA-N dubermatinib Chemical compound CN(C)S(=O)(=O)C1=CC=CC=C1NC1=NC(NC=2C=CC(CN3CCN(C)CC3)=CC=2)=NC=C1Cl YUAALFPUEOYPNX-UHFFFAOYSA-N 0.000 description 1
- 229940121552 dubermatinib Drugs 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 229940126354 elzovantinib Drugs 0.000 description 1
- 238000009261 endocrine therapy Methods 0.000 description 1
- 229940034984 endocrine therapy antineoplastic and immunomodulating agent Drugs 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007636 ensemble learning method Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 210000003976 gap junction Anatomy 0.000 description 1
- 230000013595 glycosylation Effects 0.000 description 1
- 238000006206 glycosylation reaction Methods 0.000 description 1
- 238000007490 hematoxylin and eosin (H&E) staining Methods 0.000 description 1
- 208000006454 hepatitis Diseases 0.000 description 1
- 231100000283 hepatitis Toxicity 0.000 description 1
- 239000000710 homodimer Substances 0.000 description 1
- 208000018548 hypothalamic dysfunction Diseases 0.000 description 1
- 210000003016 hypothalamus Anatomy 0.000 description 1
- 102000018358 immunoglobulin Human genes 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000011221 initial treatment Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007917 intracranial administration Methods 0.000 description 1
- 230000002147 killing effect Effects 0.000 description 1
- 210000002901 mesenchymal stem cell Anatomy 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 238000011242 molecular targeted therapy Methods 0.000 description 1
- HPNRHPKXQZSDFX-OAQDCNSJSA-N nesiritide Chemical compound C([C@H]1C(=O)NCC(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@H](C(N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)NCC(=O)N[C@@H](CC(C)C)C(=O)NCC(=O)N[C@@H](CSSC[C@@H](C(=O)N1)NC(=O)CNC(=O)[C@H](CO)NC(=O)CNC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](CCSC)NC(=O)[C@H](CCCCN)NC(=O)[C@H]1N(CCC1)C(=O)[C@@H](N)CO)C(C)C)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC=1N=CNC=1)C(O)=O)=O)[C@@H](C)CC)C1=CC=CC=C1 HPNRHPKXQZSDFX-OAQDCNSJSA-N 0.000 description 1
- 229960001267 nesiritide Drugs 0.000 description 1
- 201000005119 neurohypophyseal diabetes insipidus Diseases 0.000 description 1
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 210000001328 optic nerve Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000012188 paraffin wax Substances 0.000 description 1
- 210000003668 pericyte Anatomy 0.000 description 1
- 102000020233 phosphotransferase Human genes 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000001817 pituitary effect Effects 0.000 description 1
- 206010036067 polydipsia Diseases 0.000 description 1
- 229920001184 polypeptide Polymers 0.000 description 1
- 238000010837 poor prognosis Methods 0.000 description 1
- 230000003389 potentiating effect Effects 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 230000002206 pro-fibrotic effect Effects 0.000 description 1
- 102000004196 processed proteins & peptides Human genes 0.000 description 1
- 108090000765 processed proteins & peptides Proteins 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000005522 programmed cell death Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 235000019833 protease Nutrition 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003248 secreting effect Effects 0.000 description 1
- 231100000872 sexual dysfunction Toxicity 0.000 description 1
- 229940126586 small molecule drug Drugs 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 108010009573 talabostat Proteins 0.000 description 1
- 238000002626 targeted therapy Methods 0.000 description 1
- 230000028016 temperature homeostasis Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000002054 transplantation Methods 0.000 description 1
- 230000004614 tumor growth Effects 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 230000002485 urinary effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本申请涉及智能医疗领域，具体涉及一种基于影像的颅咽管瘤治疗辅助决策方法、系统及设备。包括获取颅咽管瘤患者脑部影像；将所述脑部影像输至训练好的预测模型中得到CAF预测含量；基于所述CAF预测含量给予患者治疗决策；其中，训练好的预测模型训练过程为：获取颅咽管瘤患者术前影像及病理结果的CAF含量数据集；对所述术前影像进行分割得到感兴趣区域特征；将所述感兴趣区域特征、所述病理结果的CAF含量输至模型中，所述模型学习所述感兴趣区域特征与所述CAF含量之间的映射关系，通过多次迭代更新后得到预测模型。本申请通过颅咽管瘤的影像给予患者治疗决策，提供了一种无创治疗方式，具有很好临床价值。
Description
技术领域
本申请涉及智能医疗领域，具体涉及一种基于影像的颅咽管瘤治疗辅助决策方法、系统、设备及计算机可读存储介质。
背景技术
颅咽管瘤是一种常见的颅内肿瘤，主要发生在儿童和青少年时期。这种肿瘤起源于颅咽管上皮细胞，通常位于鞍区，与下丘脑、垂体柄视神经等重要结构密切相关。颅咽管瘤的症状可能包括头痛、视力减退、尿崩、肥胖、发育迟缓等。如果不及时治疗，肿瘤可能会逐渐增大，压迫周围组织，导致严重的并发症。目前，颅咽管瘤的主要治疗方法是手术切除，手术的目的是尽可能完全地切除肿瘤，以减少复发的风险。然而，由于颅咽管瘤与周围组织的紧密关系，手术往往具有较高的风险和难度，此外，对于一些无法完全切除的肿瘤，还需要进行放疗或化疗等辅助治疗。并且颅咽管瘤治疗过程及术后还存在一些问题，比如1.手术风险高:由于颅咽管瘤与周围组织的紧密关系，手术过程中可能会损伤周围的重要结构，导致严重的并发症，甚至危及生命。2.术后恢复困难:颅咽管瘤患者术后恢复期较长，需要长时间的康复治疗和护理3复发率高:虽然手术可以尽可能地切除肿瘤，但仍有较高的复发率。
发明内容
近年来，随着医学技术的不断发展，一些新的治疗方法逐渐应用于颅咽管瘤的治疗。例如:立体定向放射治疗:这是一种利用高能射线对肿瘤进行精确照射的治疗方法。与传统的放疗相比，立体定向放射治疗具有更高的精度和更低的副作用。分子靶向治疗:这是一种利用特定药物对肿瘤进行精准治疗的方法。目前已经有针对颅咽管瘤的分子靶向药物在临床试验阶段。免疫治疗:这是一种利用患者自身的免疫系统来攻击肿瘤的治疗方法，目前已经有针对颅咽管瘤的免疫治疗方法在临床试验阶段。本发明针对上述问题，提出一种基于影像的颅咽管瘤治疗辅助决策方法，具体包括：
获取颅咽管瘤患者脑部影像；
将所述脑部影像输至训练好的预测模型中得到CAF预测含量；
基于所述CAF预测含量给予患者治疗决策；
其中，训练好的预测模型训练过程为：
获取颅咽管瘤患者术前影像及病理结果的CAF含量数据集；
对所述术前影像进行分割得到感兴趣区域特征；
将所述感兴趣区域特征、所述病理结果的CAF含量输至模型中，所述模型学习所述感兴趣区域特征与所述CAF含量之间的映射关系，通过多次迭代更新后得到预测模型。
进一步，所述预测模型进行训练时病理结果的CAF含量替换为对所述颅咽管瘤进行类器官培养，再对所述类器官进行CAF含量检测得到CAF含量。
当所述CAF预测含量高时，所述治疗决策包括下列的一种或几种：给予患者AXL抑制剂、给予患者FAP抑制剂、对患者的患病组织进行类器官培养，对所述类器官进行药物干预实验，筛选得到适合患者的靶向药物。
进一步，所述AXL抑制剂包括下列的一种或几种：Bemcentinib、Cabozantinib、Gilteritinib、Tamnorzatinib、Gilteritinib hemifumarate、SGI-7079、Tilvestamab；所述FAP抑制剂包括下列的一种或几种：Talabostat mesylate、FAPI-4、SP-13786、NH2-UAMC1110TFA、FAP-IN-1、Ac-Gly-BoroPro。
所述颅咽管瘤包括下列的一种或几种：釉质细胞型颅咽管瘤、鳞状乳头型颅咽管瘤，对所述釉质细胞型颅咽管瘤进行CAF含量预测。
本发明的目的在于提供一种于影像的颅咽管瘤治疗辅助决策系统，包括：
获取单元：获取颅咽管瘤患者脑部影像；
预测单元：将所述脑部影像输至训练好的预测模型中得到CAF预测含量；
辅助决策单元：基于所述CAF预测含量给予患者治疗决策；
其中，训练好的预测模型训练过程为：
获取颅咽管瘤患者术前影像及病理结果的CAF含量数据集；
对所述术前影像进行分割得到感兴趣区域特征；
将所述感兴趣区域特征、所述病理结果的CAF含量输至模型中，所述模型学习所述感兴趣区域特征与所述CAF含量之间的映射关系，通过多次迭代更新后得到预测模型。
本发明的目的在于提供一种基于影像的颅咽管瘤治疗辅助决策设备，包括：
存储器和处理器，所述存储器用于存储程序指令；所述处理器用于调用程序指令，当程序指令被执行时实现任意一项上述的基于影像的颅咽管瘤治疗辅助决策方法。
本发明的目的在于提供一种计算机可读存储介质，其上有计算机程序，包括：所述计算机程序被处理器执行时实现任意一项上述的基于影像的颅咽管瘤治疗辅助决策方法。
本发明的目的在于提供FAP抑制剂和/或AXL抑制剂在治疗颅咽管瘤中的应用。
进一步，所述颅咽管瘤为釉质颅咽管瘤；所述抑制剂采用Talabostat mesylate和/或Bemcentinib。
本发明的优势：
1.提出一种无创的颅咽管瘤治疗决策方法，通过颅咽管瘤的影像预测肿瘤相关成纤维细胞CAF的含量，针对CAF含量进行药物抑制治疗，避免了外科手术风险以及术后感染的问题，具有良好的临床应用价值。
2.通过类器官实验发现CAF的靶点FAP、AXL，通过抑制FAP、AXL进行颅咽管瘤的治疗，同时给出抑制靶点的抑制剂，具备良好的临床意义和治疗价值。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他的附图。
图1为本发明实施例提供的一种基于影像的颅咽管瘤治疗辅助决策方法流程示意图；
图2为本发明实施例提供的一种基于影像的颅咽管瘤治疗辅助决策系统示意图；
图3为本发明实施例提供的一种基于影像的颅咽管瘤治疗辅助决策设备示意图；
图4为本发明实施例提供的单细胞测序后得到的细胞群示意图，其中A为颅咽管瘤到空间映射的过程，B为14个细胞群的示意图，（a）为14个细胞群分布，（B）为分别在ACP、PCP中细胞群的不同分布，C为空间转录后的空间细胞群，（a）为转录前图像，（b）为转录后图像，D为空间细胞群占比示意图；
图5为本发明实施例提供的生信分析富含CAF的结果示意图，A为颅咽管瘤中富含CAF的示意图，B为经过HE染色后的细胞示意图；
图6为本发明实施例提供的免疫抑制对示意图；
图7为本发明实施例提供的多重免疫荧光染色中AXL-GAS6及AXL-PROS1表达示意图；
图8为本发明实施例提供的类器官培养过程示意图；
图9为本发明实施例提供的有机体在HE、CTNNB1、CK5/6中的示意图；
图10为本发明实施例提供的72小时内采用Bemcentinib抑制剂的结果示意图；
图11为本发明实施例提供的采用Bemcentinib、Atezalizumalb抑制剂的结果示意图；
图12为本发明实施例提供的FAP靶点在有机体的多重免疫荧光染色表达示意图；
图13为本发明实施例提供的72小时内采用Talabostat mesylate抑制剂的结果示意图；
图14为本发明实施例提供的丰富的/缺乏的纤维细胞ACP示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如S101、S102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
图1本发明实施例提供的一种基于影像的颅咽管瘤治疗辅助决策方法示意图，具体包括：
S101： 获取颅咽管瘤患者脑部影像；
在一个实施例中，颅咽管瘤是位于鞍区或鞍旁区的生长缓慢的中枢神经系统良性肿瘤。
颅咽管瘤是起源于颅咽管的上皮细胞或Rathke's囊的残留（釉质型）或由原始口凹残留的鳞状上皮细胞化生而来（乳头型）。颅咽管瘤可从垂体-下丘脑轴的任何一点发生并沿此轴发展，肿瘤可从位于蝶鞍到大脑的第三脑室，大约50%的肿瘤起源于第三脑室底水平的漏斗和/或灰结节区域，主要向第三脑室发展。
患者可出现头痛、视力损害和由中枢性尿崩症导致的多饮多尿等症状，儿童可出现发育迟缓，成人可出现性功能障碍和下丘脑综合征（如体温调节紊乱、水电平衡紊乱）。
典型的颅咽管瘤属于组织学上低级别肿瘤（WHO Ⅰ级），但由于肿瘤位于下丘脑-垂体区域，肿瘤和手术对该区域的损伤可导致患者不良的预后和结果。
在一个实施例中，脑部影像包括下列的一种或几种：核磁共振影像、超声影像、CT影像、X射线影像。
在一个实施例中，肿瘤的基质微环境、转移前生态位和（瘤）转移代表了肿瘤生态系统关键组成部分，基质微环境基质包括各种细胞类型和非细胞因子，包括成纤维细胞、周细胞、内皮细胞、肿瘤细胞和各种免疫细胞，以及细胞因子和细胞外基质（ECM）。每种成分都需要一个独特的微环境才能茁壮成长，并且可以与其他宿主细胞、肿瘤细胞以及彼此通信。肿瘤相关成纤维细胞（CAF）是TME中最丰富的细胞类型，是肿瘤间质中各种细胞之间交叉通讯的中心。CAF是高度异质性的，由激活的成纤维细胞组成，它们可以来源于未活化的成纤维细胞、骨髓间充质干细胞（BM-MSCs）、肿瘤细胞、内皮细胞、脂肪细胞和星状细胞。在TME环境中，CAF表现出具有相对特异性标记物的形态和功能转变，并具有促进肿瘤发生、发展和对多种治疗策略产生耐药性的作用，包括化疗、放疗、靶向治疗、抗血管生成治疗、免疫治疗和内分泌治疗。
CAFs 在肿瘤进展中的作用是多方面的。与最初抑制恶性生长的免疫细胞类似，CAF主要通过在活化的成纤维细胞之间形成间隙连接来抑制肿瘤进展的早期阶段。后来CAF 被几种肿瘤分泌因子激活并促进肿瘤生长和进展。CAF 的转分化，通常称为间充质-间充质转化（MMT）的过程。TGF-β1已被广泛认为是影响CAF活化的主要肿瘤细胞衍生因子之一。然而，癌细胞可以释放其他促纤维化因子并作用于CAF，从而诱导其活化，包括 PDGF-α/β、碱性成纤维细胞生长因子（b-FGF）或白细胞介素-6（IL- 6）。
在一个实施例中，所述颅咽管瘤包括下列的一种或几种：釉质细胞型颅咽管瘤、鳞状乳头型颅咽管瘤，对所述釉质细胞型颅咽管瘤进行CAF含量预测。
在一个实施例中，对所述颅咽管瘤进行生信分析得到所述釉质细胞型颅咽管瘤组织上具有高表达的肿瘤相关成纤维细胞CAF。
S102： 将所述脑部影像输至训练好的预测模型中得到CAF预测含量；
其中，训练好的预测模型训练过程为：
获取颅咽管瘤患者术前影像及病理结果的CAF含量数据集；
对所述术前影像进行分割得到感兴趣区域特征；
将所述感兴趣区域特征、所述病理结果的CAF含量输至模型中，所述模型学习所述感兴趣区域特征与所述CAF含量之间的映射关系，通过多次迭代更新后得到预测模型。
在一个实施例中，所述预测模型进行训练时病理结果的CAF含量替换为对所述颅咽管瘤进行类器官培养，再对所述类器官进行CAF含量检测得到CAF含量。
在一个实施例中，所述分割采用下列算法的一种或几种：U-net、segGPT、DeepLabv3、DeepLab v2、DeepLab v1、Faster RNN、PSPNet、FCN。
在一个实施例中，U-net是一个优秀的语义分割模型，其主要执行过程与其它语义分割模型类似。与CNN不同的之处在于CNN是图像级的分类，而U-net是像素级的分类，其输出的是每个像素点的类别。U-net可以分为三个部分，第一部分是主干特征提取部分，可以利用主干部分获得一个又一个的特征层，U-net的主干特征提取部分与VGG相似，为卷积和最大池化的堆叠。利用主干特征提取部分可以获得五个初步有效特征层，在第二步中，会利用这五个有效特征层可以进行特征融合。
第二部分是加强特征提取部分，可以利用主干部分获取到的五个初步有效特征层进行上采样，并且进行特征融合，获得一个最终的，融合了所有特征的有效特征层。
第三部分是预测部分，会利用最终获得的最后一个有效特征层对每一个特征点进行分类，相当于对每一个像素点进行分类。
在一个实施例中，所述预测模型包括下列的一种或几种：随机森林、决策树、支持向量机、XGBoosting、lightgbm、BP神经网络、卷积神经网络、残差神经网络、空洞神经网络。
在一个实施例中，机器学习中的随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。 而 ：Random Forests是他们的商标。 这个术语是1995年由贝尔实验室的Tin Kam Ho所提出的随机决策森林（random decision forests）而来的。这个方法则是结合Breimans的 Bootstrap aggregating想法和 Ho 的random subspace method以建造决策树的集合。
随机森林是一种包含很多决策树的分类器，既可以用于处理分类和回归问题，也适用于降维问题。其对异常值与噪音也有很好的容忍，相较于决策树有着更好的预测和分类性能。
在一个实施例中，LightGBM（Light Gradient Boosting Machine）是一种用于解决分类、预测和回归问题的梯度提升机（Gradient Boosting Machine, GBM）算法。LightGBM是一种基于树的集成学习方法，采用了梯度提升技术，通过将多个弱学习器（通常是决策树）组合成一个强大的模型。其原理如下：梯度提升：LightGBM采用了梯度提升技术，通过迭代的方式不断拟合模型的残差（即实际值与预测值之间的差异），从而逐步提高模型的预测能力。基于树的模型：LightGBM使用了基于树的模型作为弱学习器，其中每棵树由多个节点组成，每个节点都包含一个特征和一个阈值，通过比较样本的特征值与阈值的大小，将样本分配到左子树或右子树，从而实现对样本的分类或回归。高效的特征分裂策略：LightGBM采用了一种称为“Leaf-wise”（叶子结点分裂）的特征分裂策略，与传统的“Level-wise”（层级分裂）不同，它能够在每次分裂时选择对当前样本集贡献最大的特征和阈值，从而减少了树的深度，提高了训练速度。高效的并行计算：LightGBM还支持多线程和并行计算，可以充分利用多核CPU的计算能力，加速模型的训练过程。
在一个实施例中，GBDT（Gradient Boosting Decision Tree）是一种采用加法模型（即基函数的线性组合）与前向分步算法并以决策树作为基函数的提升方法。通俗来说就是，GBDT是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结论累加起来做最终答案。它通过构造一组弱的学习器（树），并把多颗决策树的结果累加起来作为最终的预测输出。该算法将决策树与集成思想进行了有效的结合。
在一个实施例中，XGBoost是基于提升树的加法模型，是GBDT的一种，其基本思想和GBDT一样，但是增加了许多优化。其使用的每一个基分类器都是回归树，训练方式是采用前向分步算法逐步优化里面的每个基学习器。XGBoost是对梯度提升算法的改进，求解损失函数极值时使用了牛顿法，将损失函数泰勒展开到二阶，另外损失函数中加入了正则化项。训练时的目标函数由两部分构成，第一部分为梯度提升算法损失，第二部分为正则化项。
在一个实施例中，决策树（Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，代表的是对象属性与对象值之间的一种映射关系。
在一个具体实施例中，颅咽管瘤患者术前影像采用T1及T1增强薄层磁共振扫描，包括矢状位、冠状位、轴位，病理结果的CAF含量采用FAP指标标记。
S103： 基于所述CAF预测含量给予患者治疗决策；
在一个实施例中，FAP（Fibroblast activation protein-α）是一种97 kDa的II型跨膜丝氨酸蛋白酶，含有二肽基肽酶活性和内肽酶活性。FAP全长由760个氨基酸组成，胞内域仅含4个氨基酸，跨膜结构域含21个氨基酸，胞外是735个氨基酸组成的长结构域。FAP以同型二聚体的形式存在。此外，FAP还能以可溶性的形式存在于血浆中。FAP需要二聚化和糖基化才能发挥功能活性。FAP的二肽基肽酶活性使其能够切割神经肽Y、多肽YY、P物质和脑钠肽32，而其内肽酶活性底物包括变性I型和III型胶原，α−2抗纤溶酶切割酶，以及FGF21。生理条件下，FAP在大多数成人组织中的表达量较低。
在一个实施例中，AXL源于希腊语“Anexelekto”，意为“不受控制的”，AXL于1988年首次分离，并被鉴定为致癌基因。人类AXL基因位于染色体19q13.2，编码20个外显子。外显子1-10编码细胞外结构域，包括信号肽、两个免疫球蛋白(Ig)结构域和两个纤连蛋白Ⅲ型(FNⅢ)结构域。外显子11编码一个受蛋白水解切割的短的细胞外区域，以及整个跨膜结构域。外显子12-20编码细胞内结构域，包括酪氨酸激酶结构域。
在一个实施例中，AXL抑制剂包括下列的一种或几种：比美替尼Bemcentinib、Batiraxcept、卡博替尼Cabozantinib、吉瑞替尼Gilteritinib、2-D08、Dubermatinib、HIV-IN-7、Axl/Mer/CSF1R-IN-2、Tamnorzatinib、Gilteritinib hemifumarate、SGI-7079、Tilvestamab。
在一个实施例中，Talabostat mesilate(PT-100, Val-boroPro)是一种具有口服活性的DPP4二肽基肽酶特异性抑制剂,包括肿瘤相关的成纤维细胞活化蛋白-(FAP)。
成纤维细胞活化蛋白-(FAP)是一种整合膜丝氨酸蛋白酶,也是后脯氨酰肽酶家族的成员,与二肽基肽酶IV(DPPIV)密切相关,并具有/-水解酶和八股-螺旋桨域的特点,呈现DPPIV样折叠。
在一个实施例中，Bemcentinib是一种首创的（first-in-class），有效的，具有口服活性的，高度选择性的AXL抑制剂，其IC50值为14 nM，能靶向并结合AXL受体酪氨酸激酶的细胞内催化激酶结构域并抑制其活性，比作用于Abl选择性高100倍以上。
在一个实施例中，细胞程序性死亡-配体1（Programmed cell death 1 ligand 1，PD-L1）也称为表面抗原分化簇274（cluster of differentiation 274，CD274）或 B7同源体（B7 homolog 1，B7-H1），是人类体内的一种蛋白质，由CD274基因编码。
PD-L1 是大小为 40kDa 的第一型跨膜蛋白，据信其在某些特殊情形（例如怀孕、组织移植、自体免疫疾病，以及诸如肝炎等某些疾病）下，与免疫系统的抑制有关。正常情形下免疫系统会对聚集在淋巴结或脾脏的外来抗原产生反应，促发具抗原特异性的细胞毒杀性T细胞（CD8+ Tcell增生）。而细胞程序性死亡受体-1（PD-1）与细胞程序性死亡-配体1（PD-L1）结合，可以传导抑制性的信号，减低淋巴结CD8+T细胞的增生，而且PD-1还可以借由调节Bcl-2基因，控制淋巴结中抗原特异性T细胞的聚积。
在一个实施例中，PDL-1抑制剂包括下列的一种或几种：度伐利尤单抗、阿特丽珠单抗、舒格利单抗、阿得贝利单抗。
在一个实施例中，当所述CAF预测含量高时，所述治疗决策包括下列的一种或几种：给予患者AXL抑制剂、给予患者FAP抑制剂、对患者的患病组织进行类器官培养，对所述类器官进行药物干预实验，筛选得到适合患者的靶向药物。
在一个实施例中，所述AXL抑制剂包括下列的一种或几种：Bemcentinib、Cabozantinib、Gilteritinib、Tamnorzatinib、Gilteritinib hemifumarate、SGI-7079、Tilvestamab；所述FAP抑制剂包括下列的一种或几种：Talabostat mesylate、FAPI-4、SP-13786、NH2-UAMC1110TFA、FAP-IN-1、Ac-Gly-BoroPro。
在一个实施例中，当所述CAF预测含量高时，所述治疗决策还包括给予患者AXL抑制剂与PDL-1抑制剂组合进行治疗；
优选地，给予患者Bemcentinib与PDL-1抑制剂组合进行治疗；
优选地，给予患者FAP抑制剂与PDL-1抑制剂组合进行治疗；
优选地，给予患者Talabostat mesylate与PDL-1抑制剂组合进行治疗。
在一个具体实施例中，本发明收集了 6 例颅咽管瘤（4 例釉质细胞型和 2 例鳞状乳头型）的冰冻术后样本进行单核细胞测序，以及 1 例釉质细胞型颅咽管瘤的石蜡切片进行空间转录组测序。最终单核细胞测序得到 14 个细胞群，空间转录组得到 10 个空间细胞群，如图4所示。
在一个具体实施例中，在进一步的生信分析之中，本发明发现了一群在颅咽管瘤中未曾定义过的肿瘤相关成纤维细胞（CAFs ,Cancer-Associated Fibroblasts）。并且发现它在釉质细胞型颅咽管瘤的组织上丰富表达，如图5所示。
在一个具体实施例中，CAFs 群在其他恶性肿瘤中通常与免疫抑制以及肿瘤的恶性进程有密切的联系，因此本发明将 CAFs 群与肿瘤上皮细胞群进行细胞间通讯互作分析，并发现 CAFs 和肿瘤上皮细胞群之间可能存在免疫抑制互作对：AXL-GAS6 及 AXL-PROS1，如图6所示，通过多重免疫荧光染色分析，本发明发现在釉质细胞型颅咽管瘤的囊腔及湿性角化物钙化灶区域存在AXL-GAS6及AXL-PROS1的表达，并且在囊腔附近还表达免疫检查点PDL1。因此提示釉质细胞型颅咽管瘤中 AXL-GAS6 及 AXL-PROS1 可能是肿瘤免疫治疗的潜在靶点，如图7所示。
在一个具体实施例中，为了验证上述假设，本发明团队对 4 例釉质细胞型颅咽管瘤组织进行类器官（PDO）培养。经形态学及分子生物学鉴定，证明该类器官符合釉质细胞型颅咽管瘤形态及性质，如图8、图9所示，接着本发明对类器官进行 AXL 靶向抑制剂Bemcentinib 的药物干预实验，发现无论高浓度及低浓度的药物刺激都能显著抑制颅咽管瘤类器官的生长。同时 AXL 靶向抑制药 Bemcentinib能明显增强 PDL1 抑制剂Atezolizumab 对类器官的免疫杀伤作用。因此该研究证明了 AXL可能是釉质细胞型颅咽管瘤的潜在的肿瘤治疗靶点，如图10、图11所示。
在一个具体实施例中，CAFs 群在其他恶性肿瘤中通常与免疫抑制以及肿瘤的恶性进程有密切的联系，因此本发明将 CAFs 群与肿瘤上皮细胞群进行细胞间通讯互作分析，并发现 CAFs 和肿瘤上皮细胞群之间可能存在多个互作对上调。说明在颅咽管理中，CAFs 促进肿瘤的生长发育及生物学进程。为了验证上述假设，本发明团队对 4 例釉质细胞型颅咽管瘤组织进行类器官（PDO）培养。经形态学及分子生物学鉴定，证明该类器官符合釉质细胞型颅咽管瘤形态及性质。接着本发明对类器官进行 CAFs 含量检测，发现在类器官组织中存在大量的 FAP 表达，说明ACP 类器官中富含 CAFs，如图12所示。进一步本发明针对 CAFs 的 FAP 靶点进行类器官药物干预。本发明采用 FAP 靶向小分子药物Talabostat mesylate 在 ACP 类器官上进行 72 小时的刺激。通过 PI 染色染死细胞，本发明发现与对照组相比，无论低浓度还是高浓度 Talabostat mesylate 对 ACP 类器官都有明显的抑制作用。因此本发明认为 FAP 阳性表达的 CAFs 可能是 ACP 颅咽管瘤中潜在的治疗靶点，如图13所示。进一步，本发明发现 FAP 阳性表达的 CAFs 通常在 ACP 组织中的纤维间质中丰富表达，而纤维间质含量较少的 ACP 组织中一般 CAFs 含量较少，如图14所示。但由于颅咽管瘤术前影像信号复杂多变，医生肉眼判断难度十分巨大，因此术前开发一套针对 ACP 术前 CAFs 含量的影像预测模型，可以有效的在术前预测患者用药可能性，影响术中手术策略，增加患者的生存质量，改善患者预后。
图2本发明实施例提供的一种基于影像的颅咽管瘤治疗辅助决策系统示意图，具体包括：
获取单元：获取颅咽管瘤患者脑部影像；
预测单元：将所述脑部影像输至训练好的预测模型中得到CAF预测含量；
辅助决策单元：基于所述CAF预测含量给予患者治疗决策；
其中，训练好的预测模型训练过程为：
获取颅咽管瘤患者术前影像及病理结果的CAF含量数据集；
对所述术前影像进行分割得到感兴趣区域特征；
将所述感兴趣区域特征、所述病理结果的CAF含量输至模型中，所述模型学习所述感兴趣区域特征与所述CAF含量之间的映射关系，通过多次迭代更新后得到预测模型。
图3本发明实施例提供的一种基于影像的颅咽管瘤治疗辅助决策设备示意图，具体包括：
存储器和处理器；所述存储器用于存储程序指令；所述处理器用于调用程序指令，当程序指令被执行任意一项上述的一种基于影像的颅咽管瘤治疗辅助决策方法。
一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序被处理器执行时任意一项上述的一种基于影像的颅咽管瘤治疗辅助决策方法。
FAP抑制剂和/或AXL抑制剂在治疗颅咽管瘤中的应用。
在一个实施例中，所述颅咽管瘤为釉质颅咽管瘤；所述抑制剂采用Talabostatmesylate和/或Bemcentinib。
在一个实施例中，采用AXL抑制剂与PDL1抑制剂的组合治疗颅咽管瘤。
在一个实施例中，采用Bemcentinib与PDL1抑制剂的组合治疗颅咽管瘤。
在一个实施例中，采用FAP抑制剂与PDL1抑制剂的组合治疗颅咽管瘤。
在一个实施例中，采用Talabostat mesylate与PDL1抑制剂的组合治疗颅咽管瘤。
本验证实施例的验证结果表明，为适应症分配固有权重相对于默认设置来说可以改善本方法的性能。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁盘或光盘等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的介质存储可以是只读存储器，磁盘或光盘等。
以上对本发明所提供的一种计算机设备进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于影像的颅咽管瘤治疗辅助决策方法，其特征在于，所述方法包括：
获取颅咽管瘤患者脑部影像；
将所述脑部影像输至训练好的预测模型中得到CAF预测含量；
基于所述CAF预测含量给予患者治疗决策；
其中，训练好的预测模型训练过程为：
获取颅咽管瘤患者术前影像及病理结果的CAF含量数据集；
对所述术前影像进行分割得到感兴趣区域特征；
将所述感兴趣区域特征、所述病理结果的CAF含量输至模型中，所述模型学习所述感兴趣区域特征与所述CAF含量之间的映射关系，通过多次迭代更新后得到预测模型。
2.根据权利要求1所述的基于影像的颅咽管瘤治疗辅助决策方法，其特征在于，所述预测模型进行训练时病理结果的CAF含量替换为对所述颅咽管瘤进行类器官培养，再对所述类器官进行CAF含量检测得到CAF含量。
3.根据权利要求1所述的基于影像的颅咽管瘤治疗辅助决策方法，其特征在于，当所述CAF预测含量高时，所述治疗决策包括下列的一种或几种：给予患者AXL抑制剂、给予患者FAP抑制剂、对患者的患病组织进行类器官培养，对所述类器官进行药物干预实验，筛选得到适合患者的靶向药物。
4.根据权利要求3所述的基于影像的颅咽管瘤治疗辅助决策方法，其特征在于，所述AXL抑制剂包括下列的一种或几种：Bemcentinib、Cabozantinib、Gilteritinib、Tamnorzatinib、Gilteritinib hemifumarate、SGI-7079、Tilvestamab；所述FAP抑制剂包括下列的一种或几种：Talabostat mesylate、FAPI-4、SP-13786、NH2-UAMC1110TFA、FAP-IN-1、Ac-Gly-BoroPro。
5.根据权利要求3所述的基于影像的颅咽管瘤治疗辅助决策方法，其特征在于，所述颅咽管瘤包括下列的一种或几种：釉质细胞型颅咽管瘤、鳞状乳头型颅咽管瘤，对所述釉质细胞型颅咽管瘤进行CAF含量预测。
6.一种基于影像的颅咽管瘤治疗辅助决策系统，其特征在于，包括：
获取单元：获取颅咽管瘤患者脑部影像；
预测单元：将所述脑部影像输至训练好的预测模型中得到CAF预测含量；
辅助决策单元：基于所述CAF预测含量给予患者治疗决策；
其中，训练好的预测模型训练过程为：
获取颅咽管瘤患者术前影像及病理结果的CAF含量数据集；
对所述术前影像进行分割得到感兴趣区域特征；
将所述感兴趣区域特征、所述病理结果的CAF含量输至模型中，所述模型学习所述感兴趣区域特征与所述CAF含量之间的映射关系，通过多次迭代更新后得到预测模型。
7.一种基于影像的颅咽管瘤治疗辅助决策设备，其特征在于，包括：
存储器和处理器，所述存储器用于存储程序指令；所述处理器用于调用程序指令，当程序指令被执行时实现权利要求1-5任意一项上述的基于影像的颅咽管瘤治疗辅助决策方法。
8.一种计算机可读存储介质，其上有计算机程序，其特征在于，包括：
所述计算机程序被处理器执行时实现权利要求1-5任意一项上述的基于影像的颅咽管瘤治疗辅助决策方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410103576.4A CN117637185B (zh) | 2024-01-25 | 2024-01-25 | 一种基于影像的颅咽管瘤治疗辅助决策方法、系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410103576.4A CN117637185B (zh) | 2024-01-25 | 2024-01-25 | 一种基于影像的颅咽管瘤治疗辅助决策方法、系统及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117637185A CN117637185A (zh) | 2024-03-01 |
| CN117637185B true CN117637185B (zh) | 2024-04-23 |
Family
ID=90035799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410103576.4A Active CN117637185B (zh) | 2024-01-25 | 2024-01-25 | 一种基于影像的颅咽管瘤治疗辅助决策方法、系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117637185B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009043525A2 (en) * | 2007-09-11 | 2009-04-09 | Mondobiotech Laboratories Ag | Use of the combination of gluten exorphin c and cd36 as a therapeutic agent |
| CN109593720A (zh) * | 2018-11-20 | 2019-04-09 | 叶春玲 | 一种永生化人鳞状乳头型颅咽管瘤细胞株及其应用 |
| CN111027548A (zh) * | 2019-12-06 | 2020-04-17 | 中国人民解放军第四军医大学 | 基于影像组学的脑胶质瘤分子标记物无损预测方法和预测系统 |
| CN113177981A (zh) * | 2021-04-29 | 2021-07-27 | 中国科学院自动化研究所 | 双通路颅咽管瘤侵袭性分类及其病灶区域分割系统 |
| CN115346656A (zh) * | 2022-06-10 | 2022-11-15 | 江门市中心医院 | 基于CAFs、WSIs和临床信息的三组学IDC预后模型建立方法及预后模型系统 |
| CN115761217A (zh) * | 2022-12-02 | 2023-03-07 | 浙江大学医学院附属第一医院 | 一种人工智能影像处理方法和系统 |
| CN115762792A (zh) * | 2022-12-07 | 2023-03-07 | 中山大学孙逸仙纪念医院 | 一种基于lncRNA的优化模型预测膀胱癌患者生存预后的方法 |
| CN116912214A (zh) * | 2023-07-19 | 2023-10-20 | 首都医科大学宣武医院 | 用于对动脉瘤检测图像进行分割的方法、设备及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3097694A1 (en) * | 2018-05-30 | 2019-12-05 | Qurient Co., Ltd. | Quinoline derivatives as inhibitors of axl/mer rtk and csf1r |
| US20230310331A1 (en) * | 2021-12-14 | 2023-10-05 | University Of South Carolina | Nanoparticle for the remodeling of cancer-associated fibroblasts |
-
2024
- 2024-01-25 CN CN202410103576.4A patent/CN117637185B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009043525A2 (en) * | 2007-09-11 | 2009-04-09 | Mondobiotech Laboratories Ag | Use of the combination of gluten exorphin c and cd36 as a therapeutic agent |
| CN109593720A (zh) * | 2018-11-20 | 2019-04-09 | 叶春玲 | 一种永生化人鳞状乳头型颅咽管瘤细胞株及其应用 |
| CN111027548A (zh) * | 2019-12-06 | 2020-04-17 | 中国人民解放军第四军医大学 | 基于影像组学的脑胶质瘤分子标记物无损预测方法和预测系统 |
| CN113177981A (zh) * | 2021-04-29 | 2021-07-27 | 中国科学院自动化研究所 | 双通路颅咽管瘤侵袭性分类及其病灶区域分割系统 |
| CN115346656A (zh) * | 2022-06-10 | 2022-11-15 | 江门市中心医院 | 基于CAFs、WSIs和临床信息的三组学IDC预后模型建立方法及预后模型系统 |
| CN115761217A (zh) * | 2022-12-02 | 2023-03-07 | 浙江大学医学院附属第一医院 | 一种人工智能影像处理方法和系统 |
| CN115762792A (zh) * | 2022-12-07 | 2023-03-07 | 中山大学孙逸仙纪念医院 | 一种基于lncRNA的优化模型预测膀胱癌患者生存预后的方法 |
| CN116912214A (zh) * | 2023-07-19 | 2023-10-20 | 首都医科大学宣武医院 | 用于对动脉瘤检测图像进行分割的方法、设备及存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| 人恶性脑膜瘤原代细胞的培养及小鼠颅内原位成瘤模型的建立;胡梅新;刘家乐;陈宣伯;徐安琪;舒松仁;汪潮湖;刘忆;;南方医科大学学报;20180320(03);全文 * |
| 肿瘤相关成纤维细胞对乳腺癌干细胞的影响及机制研究进展;王碧霄;席春芳;康骅;;中国普外基础与临床杂志;20180125(01);全文 * |
| 胶质母细胞瘤瘤周脑区异质性研究进展;王军;杨晨;龙浩;杨开军;王海;俞磊;李志勇;漆松涛;;转化医学电子杂志;20170731(07);全文 * |
| 脑转移肿瘤细胞及其微环境;钟文;胡成平;;中国肺癌杂志;20160920(09);全文 * |
| 颅咽管瘤治疗困境及分子靶向药物研究进展;刘小海;李茗初;陈革;;中国现代神经疾病杂志;20200325(03);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117637185A (zh) | 2024-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Culemann et al. | Locally renewing resident synovial macrophages provide a protective barrier for the joint | |
| Upadhaya et al. | Intravital imaging reveals motility of adult hematopoietic stem cells in the bone marrow niche | |
| DAUMAS-DUPORT et al. | A histologic and cytologic method for the spatial definition of gliomas | |
| Peng et al. | Expression and role of connective tissue growth factor in painful disc fibrosis and degeneration | |
| Li et al. | Multi-omic analyses of changes in the tumor microenvironment of pancreatic adenocarcinoma following neoadjuvant treatment with anti-PD-1 therapy | |
| Lee et al. | Functional synaptic architecture of callosal inputs in mouse primary visual cortex | |
| Stepien et al. | Tuning macrophage phenotype to mitigate skeletal muscle fibrosis | |
| Lee et al. | Hippocampal engram networks for fear memory recruit new synapses and modify pre-existing synapses in vivo | |
| Smith et al. | At the intersection of primary pulmonary myxoid sarcoma and pulmonary angiomatoid fibrous histiocytoma: observations from three new cases | |
| CN105506158B (zh) | 长链非编码rna loc284454的应用方法 | |
| Lee et al. | Combining analysis of multi-parametric MR images into a convolutional neural network: Precise target delineation for vestibular schwannoma treatment planning | |
| CN117637185B (zh) | 一种基于影像的颅咽管瘤治疗辅助决策方法、系统及设备 | |
| Turner et al. | Harnessing lipid signaling pathways to target specialized pro-angiogenic neutrophil subsets for regenerative immunotherapy | |
| Neidert et al. | Synchronous pituitary adenoma and pituicytoma | |
| Asano et al. | Expression and role of cadherins in astrocytic tumors | |
| Huo et al. | Relation of koniocellular layers of dorsal lateral geniculate to inferior pulvinar nuclei in common marmosets | |
| Ziebart et al. | Deep neural network for differentiation of brain tumor tissue displayed by confocal laser endomicroscopy | |
| Pichaivel et al. | An overview of brain tumor | |
| Ata et al. | Electron microscopy and phylogenetic analysis of Bovine papillomavirus infection in cattle from four Egyptian governorates | |
| Yang et al. | Key genes and signaling pathways contribute to the pathogensis of diabetic nephropathy | |
| Fain et al. | Discrete class I molecules on brain endothelium differentially regulate neuropathology in experimental cerebral malaria | |
| Rissi et al. | Immunohistochemical characterization of immune cell infiltration in feline glioma | |
| CN105087821B (zh) | 一种诊治骨质疏松症的分子标志物 | |
| Kang et al. | A simple segmentation and quantification method for numerical quantitative analysis of cells and tissues | |
| CN106729756A (zh) | 生物标志物作为靶标在肺腺癌诊治中的应用 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |