来自皇家马斯登NHS信託基金会的研究人员与伦敦癌症研究所和伦敦帝国理工学院合作进行的一项研究表明，卡马替尼可以帮助指导非小细胞肺癌患者的治疗后监测，从而提高治疗效果。
　　 在一项世界首创的OCTAPUS-AI研究中，比较了不同的机器学习模型，以确定哪种模型能够最准确地识别治疗性放疗后复发的NSCLC患者。机器学习是一种人工智能，它允许软件自动预测结果。机器学习算法建立一个基于样本数据的模型来做出预测或决策，而不需要显式地编程来做这些。
　　 结果表明，这项技术可以用于帮助个性化，因此可以改善基于风险的治疗后患者的监测。这可能导致在高危患者中更早地发现复发，确保他们接受紧急治疗，从而可能改善他们的预后。对于那些复发风险较低的患者，可能导致较少的随访扫描和就医。
　　 研究人员使用了来自英国五家医院的657名非小细胞肺癌患者的匿名常规可用临床数据，比较了基于各种预后因素的不同机器学习算法，用于预测患者复发的机会，比如年龄、性别和扫描上肿瘤的特征。然后，他们开发并测试了预测模型，将患者分为低复发风险和高复发风险、无复发生存期和治疗后两年的总体生存期。
　　 例如，研究人员发现，病人的肿瘤大小、分期、类型、放疗强度、吸烟状况、体重指数和年龄是最终模型算法中预测病人结果的最重要因素。这个模型也被发现在预测结果方面比传统的方法更加准确，比如TNM癌症预测系统，它描述了患者体内癌症的数量和扩散。
　　 肺癌是全球癌症死亡的主要原因，在英国，肺癌死亡人数仅占癌症死亡人数的五分之一。非小细胞肺癌占肺癌病例的近六分之五，如果及早发现，这种疾病通常是可治愈的。然而，超过三分之一的非小细胞肺癌患者在英国经历复发。
　　 卡马替尼为了改善肺癌患者的治疗结果，国家医疗保健和临床优化研究所呼吁进一步研究如何利用预后因素建立风险分层模型，为最佳监测提供信息。OCTAPUS-AI研究就是针对这一建议而开展的。
　　 目前，在英国对接受放射治疗的非小细胞肺癌患者的监测还没有一个固定的框架。这意味着患者接受随访的类型和频率有所不同。需要进行更多的研究来开发个性化的后续协议，使用人工智能处理医疗数据可能就是答案。
　　 这项研究表明，机器学习模型可以利用常规可用的临床数据预测非小细胞肺癌患者在治疗性放疗后的预后。由于这种类型的数据可以很容易地访问，这种方法可以在不同的卫生系统中复制。因此，这项研究是一个令人兴奋的第一步，开发一个模型，以帮助指导治疗后监测这组患者的个人复发风险。
　　 这项研究的下一阶段将单独使用成像数据并结合临床数据来测试机器学习模型。我们希望找出模型，这是基于患者的特点和他们接受的治疗，是如何受影响的成像扫描数据。
　　 这是向使用人工智能了解哪些患者癌症复发风险最高迈出的重要一步，并能更快地发现复发，从而使再治疗更加有效。复发也是病人焦虑的一个主要来源。在这种情况下减少扫描次数是有帮助的，还可以减少辐射暴露，减少就医次数，更有效地利用宝贵的国民保健服务资源。
　　 在未来，我们希望这种方法将为预测所有癌症类型的复发铺平道路，而不仅仅是非小细胞肺癌。模型使用了针对这种疾病的特征，但是通过改进算法，这项技术可以有更广泛的应用。通过这项工作，希望突破界限，改善癌症患者的护理，帮助他们活得更长，并减少疾病对他们生活的影响。我们非常感谢我们的病人和捐赠者，他们使这项研究成为可能。”
　　 早期诊断和检测中心汇集了多个肿瘤群体的早期检测研究和专业知识，专注于识别高风险群体，这些群体将受益于人工智能、成像技术和新颖的液体活检技术，帮助更早、更快地发现癌症，并给出更准确的诊断。
　　 78岁的患者来自Balham，在2012年因肺炎住院后首次被诊断出患有肺癌。在进行了肿瘤切除手术后，她接受了定期监测和CT扫描，但在2014年又发现复发，当时她被转诊到了皇家马斯登医院，又于2016年再次复发。在这种情况下，安妮特在医院接受了强化放疗和卡马替尼相关化疗，她的病史与研究中的患者相符，在今年二月被宣布无癌。