跳到正文
原文
生物谷·资讯·· 11 天前精选AI 评分75

数字孪生破解肝胆肿瘤异质性诊疗难题

摆脱静态评估桎梏!Journal of Translational Internal Medicine:数字孪生融合类器官与多组学,破解肝胆肿瘤异质性诊疗难题

AI 导读

该研究构建了肝胆肿瘤数字孪生系统,整合多组学、患者来源类器官与临床信息,为个体化选药和耐药机制解析提供实践方案。

推荐理由

综述系统阐述了肝胆肿瘤数字孪生技术的构建逻辑与临床应用潜力,为精准诊疗提供理论支撑。

正文

来源:生物谷原创 2026-11-09 09:35

该研究搭建数据层、物理层、计算层三位一体的肝胆肿瘤数字孪生架构,整合多组学、患者来源类器官与临床信息,为肝胆肿瘤个体化选药、耐药机制解析提供可落地的实践方案。

肝胆肿瘤包含肝细胞癌、胆管癌以及胆囊癌,是临床预后管控难度较高的恶性肿瘤。临床实践中经常发现,同一套治疗方案应用在不同患者身上,疗效差距十分显著。部分患者肿瘤得到有效控制,也有大量患者无法从中获益,造成疗效分化的核心因素正是肿瘤异质性。

不仅不同患者的肿瘤生物学特征存在巨大差异,即便在同一处肿瘤病灶内部,肿瘤细胞和周围肿瘤微环境同样千差万别。传统生物标志物仅能捕获肿瘤某一时间节点的状态,很难预判治疗开启后疾病的真实演变过程。

数字病理与空间多组学可以精细解析肿瘤细胞组成与空间分布,但仅能生成肿瘤的静态快照,无法展现药物压力下肿瘤发生的动态改变。患者来源类器官可在体外评估药物应答,却难以完整复刻人体内复杂的肿瘤微环境。两项前沿技术各有所长,但单独使用均存在明显短板。近期发表于Journal of Translational Internal Medicine的综述,系统阐释肝胆肿瘤数字孪生技术的构建逻辑,剖析其临床转化应用潜力。

文章明确医学数字孪生的实操定义,即患者专属计算模型。模型基于患者原始检测数据初始化,持续纳入实验及临床随访数据完成迭代校准,同时输出预测结果的不确定性,普通静态人工智能预测模型不属于数字孪生。整套体系划分为三大模块。数据层整合病理切片、多组学、影像、临床检验记录,将多源异构数据转化为可计算的肿瘤微环境基线图谱。

图1:肝胆肿瘤数字孪生系统架构

物理层依托患者肿瘤样本构建类器官模型。利用可调水凝胶、细胞共培养、类器官芯片复现各亚型肿瘤微环境,还原肝细胞癌富血管、胆道肿瘤重度纤维化的特征,结合高内涵成像与多组学获取肿瘤药物应答数据。

图2:构建肝胆肿瘤患者匹配的物理替代模型

计算层由两套协同运行的模型组成。模型A挖掘肿瘤基线特征和类器官药物应答的内在关联,输出结果作为先验信息输入模型B。模型B模拟患者体内肿瘤负荷、微环境、脏器功能在不同治疗干预下的动态改变。类器官实验与临床随访数据持续回输,不断校准模型,形成完整闭环。

该框架拥有明确的临床应用方向。借助类器官体外药敏结果筛除低获益治疗方案,对于缺乏标准疗法的晚期患者参考价值突出。同时能够解析肿瘤耐药内在机制,在类器官平台对多组学筛选的候选靶点开展功能验证。还可开展虚拟临床试验,对比不同药物组合、给药时序的疗效和不良反应,为真实临床试验设计提供依据。文中同时给出数据对齐和报告规范,助力该领域走向标准化。

总而言之,数字孪生有机整合静态组学检测与类器官功能实验,将复杂的肿瘤异质性转化为可分析利用的临床参考,为肝胆肿瘤个体化动态诊疗提供理论支撑,加速精准治疗走向临床实际应用。(生物谷Bioon.com)

参考文献:

Liu K, Yang F, Lyu X, He H, Wen W. Hepatobiliary cancers digital twins: Integrating artificial intelligence-driven multi-omics with organoid dynamics. J Transl Int Med. 2026;14(5):678-698. Published 2026 Oct 23. doi:10.1515/jtim-2026-0060

版权声明 本网站所有注明“来源:生物谷”或“来源:bioon”的文字、图片和音视频资料,版权均属于生物谷网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:生物谷”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->

来源:生物谷·资讯 · news.bioon.com