精准医疗依赖于准确且具有临床意义的诊断检测来实现有效的疾病治疗。传统的基因标记检测往往成本高昂且耗时，通常需要将样本运送至实验室进行分析。然而，加州大学圣地亚哥分校研究人员的一项最新研究表明，深度学习平台在预测乳腺癌和卵巢癌治疗反应方面具有巨大潜力。
这项发表于《临床肿瘤学杂志》的研究表明，基于组织病理学切片训练的人工智能模型DeepHRD，在识别可能对特定疗法产生反应的患者方面，表现优于美国食品药品监督管理局（FDA）批准的伴随诊断试剂。该技术现已授权io9公司使用，为转移性乳腺癌和高级别浆液性卵巢癌患者提供治疗方案时，相比标准基因组测序，能提供更快、更经济且更精准的替代方案。
正如首席执行官格雷格·汉密尔顿所言，实体瘤临床试验的未来可能将数字病理学预测纳入常规实践。这一进展有望简化诊断流程，从而推动更高效、更精准的癌症治疗方案。随着研究持续探索图像质量与扫描设备对检测结果的影响，未来使用智能手机作为图像扫描仪的可能性令人期待。
综上所述，在癌症治疗中采用数字病理学预测技术，有望彻底改变我们识别和定制治疗方案的方式，为更精准高效的医疗护理带来希望。
我们拥有一项技术，能够通过数字化病理切片预测HRD状态。当比较乳腺癌和卵巢癌患者的治疗反应时，我们发现该技术能覆盖更广泛的人群群体，且这些患者的治疗反应优于采用分子检测的患者群体。 正如测序技术的发展——我们为每位患者进行测序以获取未来靶点识别所需信息——未来所有实体瘤临床试验也将采用数字病理技术，因为这些数据同样是未来药物研发的宝贵资源。这将成为行业标准。
查看引用文章
io9首席执行官Greg Hamilton
