News Medical 6月22日报道，犹他大学Orly Alter团队正在探索一种受量子力学数学启发的人工智能/机器学习方法，用于神经母细胞瘤结局预测。神经母细胞瘤是婴幼儿常见恶性肿瘤之一，不同患儿病程差异很大，有些类型可自行缓解，有些则需要强度较高的治疗。
原文指出，过去研究常尝试根据单个基因突变匹配治疗，但对神经母细胞瘤等复杂疾病而言，患儿结局可能受血液、肿瘤组织中的DNA、RNA等多层分子信息共同影响。传统AI/机器学习模型通常需要远多于特征数量的样本，而多数临床试验只纳入几十至上百名患者，难以满足这种数据规模要求。
Alter团队提出的算法名为multitensor comparative spectral decompositions，借用了量子力学中的纠缠和叠加等数学概念。它的目标不是只看某一个基因，而是把肿瘤和血液基因组、肿瘤RNA等多层数据拆解成相互关联的模式，用于预测健康结局和可能的药物靶点。
报道称，团队使用神经母细胞瘤开放数据进行分析，发现了两个与患儿治疗后预期寿命相关的新预测指标。这些指标在肿瘤DNA、血液DNA和肿瘤RNA层面均优于常规生物标志物，并在不同时间和不同医院治疗的儿童队列中保持一致。
研究者认为，这类方法的特点是可解释性较强，预测结果可指向疾病机制和可靶向基因，而不是仅给出黑箱式分类。报道还提到，该团队曾在成人胶质母细胞瘤研究中结合临床试验、临床前研究和CRISPR-Cas9实验验证部分结局和靶点预测。
需要说明的是，当前报道主要介绍一种计算医学和多组学分析方法，并不代表该算法已可直接为单个患儿制定治疗方案。真正用于临床前，还需要更多前瞻性验证、质量控制和监管评估。
原文链接：http://www.news-medical.net/news/20260622/Using-the-mathematics-of-quantum-mechanics-to-improve-neuroblastoma-outcomes.aspx
免责声明：本文仅供医学资讯参考，不构成肿瘤诊疗、基因检测或人工智能医疗应用建议。具体诊疗决策应由专业医生结合完整病情判断。
