Nature重磅：人工智能AI預(yù)測(cè)癌癥起源，改善對(duì)復(fù)雜轉(zhuǎn)移性癌癥的診斷

天下知倉(cāng) 2021-05-06

展開(kāi)全文

人工智能作為一種新興的顛覆性技術(shù)，正在逐步釋放著科技革命和產(chǎn)業(yè)變革積蓄的巨大能量，并深刻改變了人類生產(chǎn)生活方式和思維方式?？梢哉f(shuō)，人工智能已然對(duì)經(jīng)濟(jì)發(fā)展、社會(huì)進(jìn)步等方面產(chǎn)生重大而深遠(yuǎn)的影響。

目前，人工智能已經(jīng)在手機(jī)AI、人臉語(yǔ)音識(shí)別、圍棋等領(lǐng)域大顯身手，并且在不斷擴(kuò)大其應(yīng)用領(lǐng)域。值得注意的是，一直以來(lái)“AI+醫(yī)療”被人們寄予厚望，它可以在減輕醫(yī)療負(fù)擔(dān)的同時(shí)，減少誤診漏診的的發(fā)生。

2021年5月5日，哈佛醫(yī)學(xué)院 Faisal Mahmood 團(tuán)隊(duì)在 Nature 期刊發(fā)表了題為：AI-based pathology predicts origins for cancers of unknown primary 的研究論文。

研究團(tuán)隊(duì)開(kāi)發(fā)了一種人工智能（AI）系統(tǒng)，該系統(tǒng)使用常規(guī)組織學(xué)切片就能準(zhǔn)確查找轉(zhuǎn)移性腫瘤的起源，同時(shí)對(duì)原發(fā)灶不明癌癥（Cancer of Unknown Primary，CUP）進(jìn)行鑒別診斷。該AI系統(tǒng)能夠改善對(duì)復(fù)雜轉(zhuǎn)移性癌癥患者的診斷，尤其是醫(yī)療資源貧乏地區(qū)的患者的診斷。

在1-2％的癌癥病例中，無(wú)法確定腫瘤最開(kāi)始發(fā)生的部位，也就是原發(fā)灶。由于許多現(xiàn)代癌癥治療方法都針對(duì)原發(fā)性腫瘤，因此原發(fā)灶不明癌癥（Cancer of Unknown Primary，CUP）的預(yù)后很差，平均總生存期僅為2.7-16個(gè)月。

為了獲得更具體的診斷結(jié)果，患者通常必須進(jìn)行廣泛的診斷檢查，其中可能包括額外的實(shí)驗(yàn)室檢查、活檢和內(nèi)窺鏡檢查等等，這會(huì)導(dǎo)致治療延遲，對(duì)患者生存不利。

幾乎每個(gè)診斷出癌癥的患者都有組織切片，這是一百多年來(lái)的診斷標(biāo)準(zhǔn)。人工智能（AI）結(jié)合這些可獲取的通用數(shù)據(jù)能夠大大改善這些通常需要大量人工診斷的復(fù)雜病例。

在這項(xiàng)研究中，研究團(tuán)隊(duì)開(kāi)發(fā)了一種基于深度學(xué)習(xí)的算法，并將其命名為“深度學(xué)習(xí)評(píng)估腫瘤起源”（TOAD），可將腫瘤識(shí)別為原發(fā)性或轉(zhuǎn)移性腫瘤，并預(yù)測(cè)其原發(fā)灶。

研究團(tuán)隊(duì)使用超過(guò)22000個(gè)癌癥病例的十億像素病理學(xué)全切片圖像對(duì)該AI系統(tǒng)進(jìn)行了訓(xùn)練，然后在約有6500個(gè)已知原發(fā)癌癥病例中進(jìn)行了測(cè)試，并分析了日益復(fù)雜的轉(zhuǎn)移性癌癥，以建立該AI模型在原發(fā)灶不明癌癥（CUP）上的分析能力。

對(duì)于已知原發(fā)灶的腫瘤，該AI模型的預(yù)測(cè)準(zhǔn)確率為83%，Top3預(yù)測(cè)準(zhǔn)確率為96%。然后，研究團(tuán)隊(duì)在317個(gè)原發(fā)灶不明癌癥（CUP）中測(cè)試了該AI模型，結(jié)果發(fā)現(xiàn)該AI模型的診斷與病理學(xué)家的一致率為63%，Top3診斷一致率為82％。

該AI模型的效果與使用基因組數(shù)據(jù)預(yù)測(cè)腫瘤起源的幾項(xiàng)近期研究報(bào)告大致相當(dāng)。盡管基于基因組的AI技術(shù)為診斷提供了另一種選擇，但患者通常沒(méi)有基因檢測(cè)數(shù)據(jù)，尤其是在疫療資源匱乏的環(huán)境中。

研究團(tuán)隊(duì)表示，該AI模型能夠減少需要進(jìn)行的輔助檢查次數(shù)，減少額外組織采樣，降低患者診斷所需總時(shí)間，能夠加速診斷和后續(xù)治療。此外，Top3預(yù)測(cè)結(jié)果可以指導(dǎo)病理學(xué)就縮小范圍，從而更簡(jiǎn)單地進(jìn)行后續(xù)操作。

這是使用全組織切片圖像進(jìn)行AI輔助癌癥起源預(yù)測(cè)的第一步，是一個(gè)令人興奮的領(lǐng)域，具有標(biāo)準(zhǔn)化和改善診斷過(guò)程的潛力。研究團(tuán)隊(duì)希望繼續(xù)在更多病例中訓(xùn)練這一基于組織學(xué)的AI模型，并參與臨床試驗(yàn)，以確定它是否可以提高診斷能力和患者預(yù)后。

論文鏈接：
https://www./articles/s41586-021-03512-4

開(kāi)放轉(zhuǎn)載

本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間，所有內(nèi)容均由用戶發(fā)布，不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購(gòu)買等信息，謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊一鍵舉報(bào)。

轉(zhuǎn)藏 分享

QQ空間 QQ好友新浪微博微信

獻(xiàn)花（0） +1

來(lái)自：天下知倉(cāng) > 《科技前沿》

舉報(bào)/認(rèn)領(lǐng)