原標(biāo)題：研究發(fā)現(xiàn)，AI可精準(zhǔn)預(yù)測(cè)癌癥預(yù)后，有望應(yīng)用于臨床試驗(yàn)
當(dāng)前，雖然預(yù)測(cè)癌癥患者的預(yù)后需要考慮許多因素，比如患者病史、基因和疾病病理學(xué)，但臨床醫(yī)生仍在努力整合這些信息以做出對(duì)患者護(hù)理的決策。
來自麻總百瀚-百瀚和婦女醫(yī)院 Mahmood 實(shí)驗(yàn)室的一項(xiàng)新研究揭示了一個(gè)概念驗(yàn)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(yù)測(cè)14 種不同類型癌癥的患者預(yù)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(cè)序、病理學(xué)和患者病史，來診斷和預(yù)測(cè)不同類型的癌癥。雖然現(xiàn)有技術(shù)能使他們進(jìn)行預(yù)測(cè)，但手動(dòng)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(shí)在進(jìn)行主觀評(píng)估。
麻總百瀚-百瀚和婦女醫(yī)院計(jì)算病理學(xué)系助理教授，麻省理工大學(xué)和哈佛大學(xué)的 Broad 研究所癌癥項(xiàng)目助理研究員 Faisal Mahmood 博士表示：“專家分析了許多證據(jù)來預(yù)測(cè)患者的表現(xiàn)。這些早期檢查成為決定是否參與臨床試驗(yàn)或具體治療方案的基礎(chǔ)，但這也意味著這種多模式預(yù)測(cè)發(fā)生在專家層面，我們正在嘗試通過計(jì)算解決這一問題。”
通過這些新的 AI 模型，Mahmood 和其同事發(fā)現(xiàn)了一種通過計(jì)算方式整合幾種形式的診斷信息以產(chǎn)生更準(zhǔn)確的結(jié)果預(yù)測(cè)的方法。 這些 AI 模型展示了進(jìn)行預(yù)后判斷的能力，同時(shí)還發(fā)現(xiàn)了用于預(yù)測(cè)患者風(fēng)險(xiǎn)的特征預(yù)測(cè)基礎(chǔ)——這一特性可用于發(fā)現(xiàn)新的生物標(biāo)志物。
研究人員使用癌癥基因組圖譜（TCGA）構(gòu)建了這些模型。TCGA 是一個(gè)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(xué)習(xí)的算法，該算法能夠從多個(gè)數(shù)據(jù)源學(xué)習(xí)預(yù)后的信息。通過為組織學(xué)和基因組數(shù)據(jù)創(chuàng)建單獨(dú)的模型，他們可以將該技術(shù)融合成一個(gè)提供關(guān)鍵預(yù)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(xué)和基因組數(shù)據(jù)輸入該模型，評(píng)估了其功效。結(jié)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(zhǔn)確的病人結(jié)果預(yù)測(cè)。
這項(xiàng)研究強(qiáng)調(diào)，使用AI整合不同類型的臨床信息數(shù)據(jù)來預(yù)測(cè)疾病結(jié)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(jié)合不同臨床因素的生物標(biāo)志物，并更好地了解他們?cè)\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(duì)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(qū)動(dòng)預(yù)后預(yù)測(cè)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(yīng)作為預(yù)后標(biāo)記，而沒有經(jīng)過訓(xùn)練，這是一個(gè)值得注意的發(fā)現(xiàn)。因?yàn)橐郧暗难芯勘砻?，腫瘤引起更強(qiáng)的免疫反應(yīng)的病人往往會(huì)有更好的結(jié)果。
雖然這種概念驗(yàn)證模型揭示了AI技術(shù)在癌癥治療中的新作用，但這項(xiàng)研究只是臨床實(shí)施這些模型的第一步。在臨床中應(yīng)用這些模型需要合并更大的數(shù)據(jù)集并在大型獨(dú)立測(cè)試隊(duì)列中進(jìn)行驗(yàn)證。展望未來，Mahmood 旨在整合更多類型的患者信息，如放射學(xué)掃描，家族史和電子病歷，并最終將模型應(yīng)用于臨床試驗(yàn)。
Mahmood博士表示：“這項(xiàng)工作為結(jié)合來自多個(gè)來源的數(shù)據(jù)的大型醫(yī)療保健 AI 研究奠定了基礎(chǔ)。從更廣泛的意義上講，我們的發(fā)現(xiàn)強(qiáng)調(diào)要建立具有更大數(shù)據(jù)集和下游臨床試驗(yàn)的計(jì)算病理預(yù)后模型，才能實(shí)現(xiàn)更好的數(shù)據(jù)實(shí)用性。