原標題：研究發(fā)現(xiàn)，AI可精準預測癌癥預后，有望應用于臨床試驗
當前，雖然預測癌癥患者的預后需要考慮許多因素，比如患者病史、基因和疾病病理學，但臨床醫(yī)生仍在努力整合這些信息以做出對患者護理的決策。
來自麻總百瀚-百瀚和婦女醫(yī)院 Mahmood 實驗室的一項新研究揭示了一個概念驗證模型，該模型使用人工智能（AI）將不同來源的多種類型數(shù)據(jù)組合起來，預測14 種不同類型癌癥的患者預后。 研究成果發(fā)表在Cancer Cell期刊上。
（來源：Pixabay）
專家依賴于幾種數(shù)據(jù)來源，如基因組測序、病理學和患者病史，來診斷和預測不同類型的癌癥。雖然現(xiàn)有技術能使他們進行預測，但手動整合來自不同來源的數(shù)據(jù)是很具有挑戰(zhàn)性的，因此專家經(jīng)常發(fā)現(xiàn)自己其實在進行主觀評估。
麻總百瀚-百瀚和婦女醫(yī)院計算病理學系助理教授，麻省理工大學和哈佛大學的 Broad 研究所癌癥項目助理研究員 Faisal Mahmood 博士表示：“專家分析了許多證據(jù)來預測患者的表現(xiàn)。這些早期檢查成為決定是否參與臨床試驗或具體治療方案的基礎，但這也意味著這種多模式預測發(fā)生在專家層面，我們正在嘗試通過計算解決這一問題?！?/p>
通過這些新的 AI 模型，Mahmood 和其同事發(fā)現(xiàn)了一種通過計算方式整合幾種形式的診斷信息以產(chǎn)生更準確的結果預測的方法。 這些 AI 模型展示了進行預后判斷的能力，同時還發(fā)現(xiàn)了用于預測患者風險的特征預測基礎——這一特性可用于發(fā)現(xiàn)新的生物標志物。
研究人員使用癌癥基因組圖譜（TCGA）構建了這些模型。TCGA 是一個公開的資源，包含許多不同類型癌癥的數(shù)據(jù)。
然后，他們開發(fā)了一種基于多模態(tài)深度學習的算法，該算法能夠從多個數(shù)據(jù)源學習預后的信息。通過為組織學和基因組數(shù)據(jù)創(chuàng)建單獨的模型，他們可以將該技術融合成一個提供關鍵預后信息的集成體。
最后，他們通過將 14 種癌癥類型的數(shù)據(jù)集以及病人的組織學和基因組數(shù)據(jù)輸入該模型，評估了其功效。結果表明， 這些模型比那些只包含單一信息來源的模型產(chǎn)生了更準確的病人結果預測。
這項研究強調(diào)，使用AI整合不同類型的臨床信息數(shù)據(jù)來預測疾病結果是可行的。
Mahmood 解釋說，這些模型可以讓研究人員發(fā)現(xiàn)結合不同臨床因素的生物標志物，并更好地了解他們診斷不同類型癌癥所需的信息類型。研究人員還定量地研究了每種診斷方式對單一癌癥類型的重要性以及整合多種方式的好處。
AI模型還能夠闡明驅動預后預測的病理和基因組特征。 研究小組發(fā)現(xiàn)，這些模型將病人的免疫反應作為預后標記，而沒有經(jīng)過訓練，這是一個值得注意的發(fā)現(xiàn)。因為以前的研究表明，腫瘤引起更強的免疫反應的病人往往會有更好的結果。
雖然這種概念驗證模型揭示了AI技術在癌癥治療中的新作用，但這項研究只是臨床實施這些模型的第一步。在臨床中應用這些模型需要合并更大的數(shù)據(jù)集并在大型獨立測試隊列中進行驗證。展望未來，Mahmood 旨在整合更多類型的患者信息，如放射學掃描，家族史和電子病歷，并最終將模型應用于臨床試驗。
Mahmood博士表示：“這項工作為結合來自多個來源的數(shù)據(jù)的大型醫(yī)療保健 AI 研究奠定了基礎。從更廣泛的意義上講，我們的發(fā)現(xiàn)強調(diào)要建立具有更大數(shù)據(jù)集和下游臨床試驗的計算病理預后模型，才能實現(xiàn)更好的數(shù)據(jù)實用性。