模型为医生提供了可操作的见解，可以增强资源有限地区的临床决策。
DNA 基因分型和测序。 技术人员清洗用于全基因组关联研究 (GWAS) 的阵列。 说明性照片。 图片来源：NCI
一个新的 人工智能 由哈佛医学院和台湾国立成功大学的研究人员设计的模型可以为医生提供预后和决定治疗结直肠癌患者带来急需的清晰度， 全球第二大致命癌症.
仅仅通过观察肿瘤样本的图像——癌细胞的显微描述——这种新工具就可以准确预测结直肠肿瘤的侵袭性、患者在有或没有疾病复发的情况下存活的可能性有多大，以及对他们来说最佳治疗方法是什么。
拥有一种可以回答此类问题的工具可以帮助临床医生和患者应对这种狡猾的疾病，即使在接受相同治疗的具有相似疾病特征的人群中，这种疾病的表现也往往不同——并且最终可以挽救每年因结直肠癌夺走的 1 万人的生命。 .
团队工作报告发表于 自然传播。
研究人员表示，该工具旨在增强而不是取代人类的专业知识。
“我们的模型执行的任务是人类病理学家仅基于图像观察无法完成的，”研究联合高级人员说 作者 余坤兴，HMS 布拉瓦尼克研究所生物医学信息学助理教授。 Yu 领导了一个由病理学家、肿瘤学家、生物医学信息学家和计算机科学家组成的国际团队。
“我们预期的不是取代人类病理学专业知识，而是增强人类病理学家的能力，”Yu 补充道。 “我们完全希望这种方法能够加强目前癌症管理的临床实践。”
研究人员警告说，任何个体患者的预后都取决于多种因素，并且没有模型可以完美地预测任何给定患者的存活率。 然而，他们补充说，新模型可能有助于指导临床医生更密切地跟进，考虑更积极的治疗，或者如果他们的患者根据该工具的评估预测预后较差，则推荐临床试验测试实验疗法。
研究人员指出，该工具在美国和世界各地可能无法轻易获得先进病理学和肿瘤基因测序的资源有限地区特别有用。
新工具超越了许多当前的人工智能工具，这些工具主要执行复制或优化人类专业知识的任务。 相比之下，新工具可以检测和解释人眼无法分辨的显微镜图像上的视觉模式。
该工具称为 MOMA（用于多组学多队列评估）是 免费提供 给研究人员和临床医生。
广泛的培训和测试
该模型是根据来自不同国家患者队列的近 2,000 名结直肠癌患者获得的信息进行训练的，这些患者队列总共包括超过 450,000 名参与者—— 卫生专业人员后续研究是， 护士健康研究是， 癌症基因组图谱计划, 和美国国立卫生研究院的 可编程逻辑控制器 （前列腺癌、肺癌、结直肠癌和卵巢癌）癌症筛查试验。
在训练阶段，研究人员向模型提供有关患者年龄、性别、癌症阶段和结果的信息。 他们还向其提供了有关肿瘤基因组、表观遗传学、蛋白质和代谢特征的信息。
然后研究人员展示了肿瘤样本的模型病理图像，并要求它寻找与肿瘤类型、基因突变、表观遗传改变、疾病进展和患者生存相关的视觉标记。
然后，研究人员通过向模型提供一组它以前从未见过的来自不同患者的肿瘤样本的图像来测试该模型在“现实世界”中的表现。 他们将其性能与实际患者结果和其他可用临床信息进行了比较。
该模型准确地预测了患者在诊断后的总生存期，以及其中有多少年没有癌症。
该工具还根据患者的肿瘤是否携带特定的基因突变，使癌症或多或少容易进展或扩散，从而准确预测个体患者对不同疗法的反应。
在这两个领域，该工具都优于人类病理学家和当前的人工智能模型。
研究人员表示，随着科学的发展和新数据的出现，该模型将进行定期升级。
“对于任何 AI 模型，我们持续监控其行为和性能至关重要，因为我们可能会看到疾病负担分布的变化或导致癌症发展的新环境毒素，”Yu 说。 “重要的是在模型出现时用新的和更多的数据来增强模型，这样它的性能就永远不会落后。”
辨别线索的模式
新模型利用了肿瘤成像技术的最新进展，这些技术提供了前所未有的细节水平，但人类评估人员仍然无法分辨这些细节。 基于这些细节，该模型成功地确定了肿瘤侵袭性的指标以及它对特定治疗做出反应的可能性。
仅基于图像，该模型还可以精确定位与特定基因突变存在与否相关的特征——这通常需要对肿瘤进行基因组测序。 测序可能既费时又费钱，特别是对于通常无法提供此类服务的医院而言。
研究人员表示，正是在这种情况下，该模型可以为资源有限的环境或没有可用于基因测序的肿瘤组织的情况下的治疗选择提供及时的决策支持。
研究人员表示，在将该模型部署到诊所和医院之前，应该在一项前瞻性随机试验中对其进行测试，以评估该工具在初始诊断后随时间推移在实际患者身上的表现。 Yu 说，这样的研究将提供模型能力的黄金标准证明，通过直接比较该工具仅使用图像的真实性能与使用该模型无法访问的知识和测试结果的人类临床医生的性能。
研究人员说，该模型的另一个优势是其透明的推理。 如果使用该模型的临床医生询问为什么做出给定的预测，该工具将能够解释其推理和使用的变量。
Yu 说，此功能对于提高临床医生对他们使用的 AI 模型的信心很重要。
衡量疾病进展，最佳治疗
该模型准确地指出了与生存差异相关的图像特征。
例如，它确定了三个预示着更糟糕结果的图像特征：
- 肿瘤内更大的细胞密度。
- 肿瘤细胞周围存在结缔支持组织，称为间质。
- 肿瘤细胞与平滑肌细胞的相互作用。
该模型还确定了肿瘤间质内的模式，表明哪些患者更有可能在没有癌症复发的情况下活得更久。
该工具还准确预测了哪些患者将受益于一类称为免疫检查点抑制剂的癌症治疗。 虽然这些疗法对许多结肠癌患者有效，但有些疗法没有明显的益处，而且有严重的副作用。 Yu 说，该模型因此可以帮助临床医生量身定制治疗方案并避免无法受益的患者。
该模型还成功检测到与结直肠癌相关的表观遗传变化。 这些变化——当被称为甲基的分子附着在 DNA 上并改变 DNA 的行为方式时就会发生——已知会使抑制肿瘤的基因沉默，从而导致癌症迅速生长。 该模型识别这些变化的能力标志着它可以为治疗选择和预后提供信息的另一种方式。
