发布时间: 2024-03-10 13:56
AI人工智能在预测癌症向大脑扩散方面优于病理学家
AI更准确地预测了癌症患者的脑转移。
要点
人工智能（AI）机器学习最重要的用途之一是用于医疗保健和精准医疗。周一发表在《病理学杂志》上的一项新的科学研究表明，人工智能深度学习可以比专业病理学家更好地预测患者的非小细胞肺癌（NSCLC）是否会在诊断后五年内扩散到大脑。
通讯作者、圣路易斯华盛顿大学医学院巴恩斯犹太医院教授、系主任兼病理学家Richard Cote写道：“据我们所知，这是第一项基于早期非小细胞肺癌原发肿瘤组织学预测未来脑转移的研究。”，以及第一作者周浩文在加州理工学院与加州理工大学研究人员Steven（Siyu）Lin和Simon Mahler合作，以及华盛顿大学医学院研究人员Ramaswamy Govindan、Sid Rawal、Alexander Wein、Jon Ritter、Chieh yu Lin、Cory Bernadt和Mark Watson。
根据《我们的世界数据》，癌症是全球第二大常见死因。2019年，癌症每年造成1000万人死亡，仅次于心脏病（心脏病发作、中风和其他心血管疾病），每年有1850万人死亡。
根据世界卫生组织癌症国际研究机构（IARC）2022年的一份报告，估计全世界每五个人中就有一人会在一生中患上癌症，到2050年，癌症新增病例将超过3500万例。据IARC统计，在全球范围内，癌症是最常见的癌症，也是癌症死亡的主要原因。具体而言，在全球新增病例总数中，IARC报告称，癌症最常见，女性癌症紧随其后，其次是癌症、癌症和癌症。
根据美国癌症协会（ACS）的数据，大多数美国癌症病例（约80%至85%）为NSCLC，其余为小细胞癌症（SCLC）病例。三种可能起源于肺部或肺部附近但未被归类为癌症的癌症包括胸膜间皮瘤，这是一种罕见的癌症，估计70%的病例是由于石棉暴露影响肺部和胸部衬里；肉瘤，一种罕见的癌症，在骨骼和/或软组织中发展；根据克利夫兰诊所的说法，淋巴瘤是一种血液癌症，起源于人体淋巴系统中的白细胞，也被称为淋巴细胞。
脑转移瘤
脑转移是癌症最常见的并发症之一，当来自身体其他地方的癌症细胞扩散到大脑时，就会发生脑转移。根据Patrick Wen等人发表在《神经遗传学》上的脑转移流行病学研究，患有癌症、癌症和黑色素瘤的患者脑转移的风险更大。MD Anderson表示，除了最有可能扩散到大脑的前三种癌症（癌症、癌症和黑色素瘤）外，肾细胞癌、癌症和妇科癌症患者也经常发生脑转移。
根据加州理工学院和华盛顿大学的研究小组的说法，癌症扩散到大脑的情况几乎有一半被诊断为I至III期NSCLC，目前没有可靠的分子或组织病理学（在显微镜下通过活组织检查或手术获得的组织和细胞）方法来预测脑转移。
使用AI深度学习分类器
人工智能（AI）机器学习的预测能力能否提供一种可靠的方法来识别NSCLC患者发生脑转移的风险？为了回答这个问题，科学家们开发了一种人工智能深度学习（DL）分类器，该分类器由对ImageNet数据进行预训练的ResNet-18卷积神经网络（CNN）组成。
总体而言，这项研究使用了158名华盛顿大学医学院诊断和治疗的I至III期非小细胞肺癌患者的组织图像，这些患者一直随访到转移或持续五年或更长时间。使用118名I期至III期NSCLC患者的实际诊断H&E染色肿瘤组织切片来训练AI模型，其中45人最终出现脑转移。
H&E代表苏木精和伊红，这两种染料用于组织学中最常见的染色方法，即细胞和组织的显微镜研究。苏木精由logwood tree的提取物（红曲霉）组成，伊红是一种酸性染料，根据《梅奥诊所学报》合成。有没有想过，一旦通过活检或手术获得组织样本，那么在幕后到底会发生什么过程来确定样本是否癌变？为了制备显微镜用载玻片，将样品固定（保存）、处理并包埋在石蜡中，使其硬化以进行切片。最后一步，根据利兹大学的《组织学指南》，考虑到大多数细胞是透明无色的，对样本进行染色以提高可见性。
在这项研究中，研究人员在40名不同I至III期NSCLC患者的组织学幻灯片图像上测试了他们的深度学习算法，其中一半患者出现了脑转移。人工智能的表现与四位人类病理学家的表现进行了比较。人工智能的预测准确率为87%，远高于病理学家57.3%的平均准确率。
“在这里，我们展示了如何在常规H&E染色的NSCLC肿瘤组织切片的数字图像上有效地训练DL网络，以预测5年内的脑转移进展 科学家们总结道：“经过多年的初步诊断，重要的是，准确识别出那些在5年或更长时间的随访后没有进展的病例。”。
版权所有©2024 Cami Rosso。保留所有权利。
Cami Rosso writes about science, technology, innovation, and leadership.
psychologytoday