乳腺癌研究人员正在利用超级计算机进行新发现，以改善对这种致命疾病的治疗和理解。德克萨斯高级计算中心（TACC）的系统和专业知识为科学家提供了建模肿瘤生长、优化治疗组合、分析活检集合等所需的数据和计算资源。乳腺癌在全球女性癌症中居首位，2022年夺去了近67万人的生命。TACC的超级计算机为科学家提供了所需的计算资源和创新数据分析工具，以在理解和治疗乳腺癌方面取得新发现。以下例子展示了高级计算在征服乳腺癌方面取得的不同策略。
在肿瘤学中使用数字孪生技术：数学建模帮助改进了对三阴性乳腺癌（TNBC）肿瘤对治疗反应的预测。德克萨斯大学奥斯汀分校（2024USNews美国大学排名：32）的Oden计算工程与科学研究所的Tom Yankeelov领导的研究使用MRI数据开发了校准模型，以实现对TNBC患者肿瘤反应的早期、患者特异性预测。
HER2+和联合疗法：HER2+乳腺癌过表达HER2蛋白的基因，表现为一种侵袭性乳腺癌。研究人员和医生面临的挑战在于优化这两种药物的组合，以最大化治疗效果。Oden研究所的Ernesto Lima使用TACC的Lonestar6超级计算机开发了计算机模型，以优化HER2+乳腺癌的治疗结果。
活检数据金矿：德克萨斯大学奥斯汀分校获得了大量去识别的乳腺癌数据和保存的冷冻组织样本，这些数据和样本由路易斯维尔大学医学院的James L. Wittliff及其妻子Mitzie捐赠。TACC将管理这些数据，并计划通过网络门户使其在未来对其他科学家开放。
癌症与人工智能：人工智能已成为科学研究的工具，帮助研究人员在生物学问题上取得进展。然而，Yankeelov指出，AI在肿瘤学中存在基本局限性，因为癌症是一种异质性很强的疾病。
总之，TACC提供的计算资源对于推进肿瘤模型和治疗选择至关重要，帮助科学家进行严格的测试和各种数学模型的改进。乳腺癌的生存率在过去十年中有所上升，这得益于宣传活动和研究资金的增加。
超级计算机在乳腺癌研究中的作用
超级计算机在乳腺癌研究中扮演着至关重要的角色。TACC利用其强大的计算能力和数据分析工具，帮助科学家们在理解和治疗乳腺癌方面取得了显著进展。乳腺癌是全球女性中最常见的癌症之一，2022年导致近67万人死亡。TACC的超级计算机为科学家提供了必要的计算资源和创新的数据分析工具，帮助他们在理解和治疗乳腺癌方面取得新发现。
在乳腺癌研究中，超级计算机被用于建模肿瘤生长、优化治疗组合、分析活检样本等。以德克萨斯大学奥斯汀分校的Oden计算工程与科学研究所的Tom Yankeelov为首的研究团队，通过数学建模改善了对三阴性乳腺癌（TNBC）肿瘤对治疗反应的预测。TNBC是一种侵袭性强、治疗选择少的乳腺癌类型，常见于黑人女性和40岁以下的女性。研究团队利用MRI数据开发了校准模型，能够早期、特异性地预测TNBC患者对标准新辅助化疗的反应。
此外，Oden研究所的Ernesto Lima利用TACC的超级计算机开发了计算机模型，优化HER2+乳腺癌的治疗效果。研究团队创建了多个模型，并通过实验数据进行校准，最终优化了药物组合的治疗方案，减少了药物的毒副作用。
德克萨斯大学奥斯汀分校还获得了一批由路易斯维尔大学医学院的James L. Wittliff及其妻子Mitzie捐赠的乳腺癌数据和冷冻组织样本，这些数据和样本将用于未来的临床试验和诊断测试开发。
数字孪生技术在肿瘤学中的应用
数字孪生技术是一种新兴的技术，通过创建物理系统的虚拟复制来模拟和分析现实世界的场景。在肿瘤学中，数字孪生技术被用于改进癌症治疗。印第安纳大学的研究人员正在利用高性能计算技术改进癌症治疗。他们通过创建人类免疫系统的“数字孪生”，使用大学的Big Red 200超级计算机和其他高性能计算资源，开发更有效的癌症和病毒感染（如COVID-19）治疗方法。
数字孪生研究是一个新兴领域，通过虚拟复制物理系统来模拟和分析现实世界的场景。印第安纳大学的Paul Macklin副教授和他的团队正在整合来自多个来源的真实患者数据，使用这些模拟来制定个性化的癌症治疗方案。Macklin的实验室可以模拟数十万甚至数百万个细胞的动态和相互作用，以评估、优化和定制患者的治疗方案。该团队与约翰霍普金斯大学和俄勒冈健康与科学大学的研究人员合作，开发和测试未来用于癌症免疫治疗的数字孪生技术，重点关注乳腺癌和胰腺癌。
通过高性能计算资源，研究人员可以为每个胰腺癌患者构建一个数字孪生，并进行“虚拟实验”，以确定最有效的治疗方法。这种方法可以预测哪种策略最能控制或消除肿瘤，而无需在患者身上尝试不成功的治疗。尽管数字孪生癌症治疗取得了巨大进展，但这些技术距离临床试验还有很长的路要走。
HER2+乳腺癌联合疗法的优化
在2024年，乳腺癌治疗领域有望迎来多项突破。City of Hope的医生和外科医生正在提供领先的治疗方法，以优化患者的生存率和生活质量。首先，CAR T细胞疗法是一种新型免疫疗法，正在进行临床试验，旨在治疗HER2阳性且已扩散至大脑的乳腺癌患者。该疗法通过重新编程患者的T细胞，使其能够识别并消灭癌细胞。
其次，City of Hope的整形外科医生提供3D乳头乳晕复合体纹身，这种重建手术可以恢复乳房的自然外观，帮助患者重建自信。第三，Phesgo是一种新药，可以替代传统的静脉注射疗法，通过皮下注射的方式大大缩短了治疗时间。最后，City of Hope正在推动整合肿瘤学，以应对副作用并减少不适，同时引入更精确的成像技术，致力于全球肿瘤学的发展，特别是在亚特兰大、凤凰城和芝加哥等地的新站点。
人工智能在癌症研究中的影响
人工智能（AI）在乳腺癌研究中也发挥了重要作用，但由于癌症的异质性，AI在预测和治疗方面存在局限性。牛津大学的研究人员利用人工智能（AI）的力量开发了个性化的癌症治疗方法，这些方法可能在预防患者复发方面更有效。传统的癌症治疗策略通常基于“最大耐受剂量”（MTD）疗法，患者持续接受高剂量药物治疗，但这种方法在对抗转移性癌症时常常失败，因为会出现耐药性。
自适应疗法通过动态调整治疗来抑制耐药性肿瘤细胞的生长，已成为一种有前途的替代方案。然而，缺乏考虑患者差异的个性化方法限制了其有效性。在一项题为“数学模型驱动的深度学习实现个性化自适应疗法”的研究中，牛津大学和佛罗里达州莫菲特癌症中心的研究人员介绍了一种新框架，该框架应用深度强化学习（DRL）为个别前列腺癌患者创建自适应治疗计划。结果表明，与MTD或非个性化治疗相比，这种新的自适应方法可能将复发时间延长一倍。
研究的第一作者Kit Gallagher在牛津大学数学研究所的DPhil学生，他在前列腺癌的数学模型上训练了DRL网络，以复制先前临床试验中观察到的行为。数学模型对于生成足够多的“虚拟患者”数据至关重要，使研究人员能够评估临床上难以测试的治疗计划。结果表明，DRL框架在测试队列中始终优于传统的MTD和临床使用的自适应策略，延迟了所有患者的复发时间，并且对于某些患者，复发时间延长了一倍以上。
研究人员还展示了可以从“黑箱”深度学习网络中提取出可解释的治疗策略，临床医生能够理解并向患者开出处方。Kit Gallagher表示：“可解释性一直是将机器学习方法整合到临床实践中的一个重大障碍。当这些框架是黑箱时，我们无法理解它们如何得出治疗建议，因此无法自信地在临床中应用。但我们的新研究表明，这一障碍是可以克服的。”
研究人员计划进一步研究以改进这种方法，并探索其在其他形式癌症中的应用。
综合总结
综上所述，超级计算机在乳腺癌研究中发挥了至关重要的作用。通过利用TACC的计算资源和数据分析工具，科学家们在理解和治疗乳腺癌方面取得了显著进展。数字孪生技术和人工智能的应用为个性化治疗提供了新的可能性，尽管这些技术距离临床应用还有一定距离，但其潜力不可忽视。HER2+乳腺癌的联合疗法优化和活检数据的利用也为乳腺癌的治疗提供了新的思路。随着研究的不断深入和技术的不断进步，乳腺癌的生存率有望进一步提高，为全球女性带来更多的希望和福音。
参考新闻资料:
- Conquering Breast Cancer Using Supercomputers, Data, and Mathematical Modeling
- TACC: Conquering Breast Cancer Using Supercomputers, Data, and Mathematical Modeling
- IU researchers using high-performance computing to improve cancer treatment
- 4 Breast Cancer Treatment Breakthroughs to Look for in 2024
- Study demonstrates how AI can develop more personalized cancer treatment strategies
【独家稿件声明】本文为美国续航教育（Forward Pathway LLC，官网地址：www.forwardpathway.com）原创，未经授权，任何媒体和个人不得全部或者部分转载。如需转载，请与美国续航教育联系；经许可后转载务必请注明出处，违者本网将依法追究。
美国续航教育总部位于美国加利福尼亚州洛杉矶，同时在中国上海和深圳设有续航教育分部。续航教育自2013年成立以来，致力于研究中美之间的文化教育发展与趋势，提供最专业的美国留学一站式服务，获得美国国际招生协会AIRC及国际教育顾问委员会ICEF的双重认证。
觉得有用的话就评价/分享一下吧~
