斯姆里蒂·馬拉帕蒂 Smriti Mallapaty發表在最新一期《自然》(Nature)的<人工智慧追蹤神秘的轉移性癌症的根源>( AI traces mysterious metastatic cancers to their source)指出，演算法檢查轉移細胞的影像以確定原發腫瘤的位置。(Algorithm examines images of metastatic cells to identify the location of the primary tumour.)
識別體內循環的轉移性癌細胞的起源
有些隱形癌症直到從源頭擴散到遠處器官後才被發現。現在，科學家已經開發出一種人工智慧 (AI) 工具，在識別體內循環的轉移性癌細胞的起源方面，其性能優於病理學家。概念驗證模型可以幫助醫生改善晚期癌症的診斷和治療，並延長人們的生命。
「這是一個非常重要的發現，它可以用作輔助工具，」在馬薩諸塞州波士頓哈佛醫學院研究人工智慧在醫療保健中應用的費薩爾·馬哈茂德 (Faisal Mahmood) 說。
難以捉摸的起源
為了治療轉移性癌症，醫生需要知道它們來自哪裡。高達 5% 的腫瘤的起源無法確定，原發癌症仍不明的人的預後很差。
用於診斷棘手的轉移性癌症的一種方法依賴於從體內提取的液體中發現的腫瘤細胞。臨床醫生檢查細胞影像，以確定它們類似於哪種類型的癌細胞。例如，遷移到肺部的乳癌細胞看起來仍然像乳癌細胞。
大腸直腸癌外科醫生田飛表示，每年在中國天津醫科大學附屬醫院新收治的 30 萬名癌症患者中，約有 4,000 人通過此類圖像得到診斷，但仍有約 300 人未被診斷出來。
田飛和在TMU研究深度學習的生物資訊研究員李向春和他們的同事希望開發一種深度學習演算法來分析這些影像並預測癌症的起源。他們的研究結果發表在 4 月 16 日的《自然醫學》雜誌。
研究人員利用在 21,000 名已知腫瘤來源的人的腹液或肺液中發現的約 30,000 張細胞影像來訓練他們的 AI 模型。然後他們在 27,000 張圖像上測試了他們的模型，發現有 83% 的變化可以準確預測腫瘤的來源。且腫瘤來源有 99% 的可能性被納入模型的前三名預測。
一種脂肪阻斷藥物有助於對抗轉移性癌症
馬哈茂德說，擁有前三名的清單很有用，因為它可以幫助臨床醫生減少確定腫瘤起源所需的額外（通常是侵入性）測試的數量。這些預測僅限於 12 種常見癌症來源，包括肺癌、卵巢癌、乳癌和胃癌。李說，其他一些形式的癌症，包括起源於前列腺和腎臟的癌症，無法識別，因為它們通常不會擴散到腹部和肺部的積液。
當對大約 500 張影像進行測試時，該模型在預測腫瘤起源方面比人類病理學家更好。這種改善具有統計學意義。
研究人員還在接受癌症治療大約四年後對 391 名研究參與者進行了回顧性評估。他們發現，那些接受了模型預測的癌症類型治療的人比那些預測不匹配的參與者更有可能存活下來，並且壽命更長。馬哈茂德說，對於在臨床環境中使用人工智慧模型來說，「這是一個非常有說服力的論點」。
Mahmood 先前曾使用人工智慧從組織樣本中預測癌症的起源，其他團隊也使用了基因組數據。他說，將細胞、組織和基因組學這三種資料來源結合起來，可以進一步改善來源不明的轉移性癌症患者的治療結果。