發布時間: 2024-03-10 13:58
AI人工智能在預測癌症向大腦擴散方面優于病理學家
AI更准確地預測了癌症患者的腦轉移。
要點
人工智能（AI）機器學習最重要的用途之壹是用于醫療保健和精准醫療。周壹發表在《病理學雜志》上的壹項新的科學研究表明，人工智能深度學習可以比專業病理學家更好地預測患者的非小細胞肺癌（NSCLC）是否會在診斷後五年內擴散到大腦。
通訊作者、聖路易斯華盛頓大學醫學院巴恩斯猶太醫院教授、系主任兼病理學家Richard Cote寫道：“據我們所知，這是第壹項基于早期非小細胞肺癌原發腫瘤組織學預測未來腦轉移的研究。”，以及第壹作者周浩文在加州理工學院與加州理工大學研究人員Steven（Siyu）Lin和Simon Mahler合作，以及華盛頓大學醫學院研究人員Ramaswamy Govindan、Sid Rawal、Alexander Wein、Jon Ritter、Chieh yu Lin、Cory Bernadt和Mark Watson。
根據《我們的世界數據》，癌症是全球第二大常見死因。2019年，癌症每年造成1000萬人死亡，僅次于心髒病（心髒病發作、中風和其他心血管疾病），每年有1850萬人死亡。
根據世界衛生組織癌症國際研究機構（IARC）2022年的壹份報告，估計全世界每五個人中就有壹人會在壹生中患上癌症，到2050年，癌症新增病例將超過3500萬例。據IARC統計，在全球範圍內，癌症是最常見的癌症，也是癌症死亡的主要原因。具體而言，在全球新增病例總數中，IARC報告稱，癌症最常見，女性癌症緊隨其後，其次是癌症、癌症和癌症。
根據美國癌症協會（ACS）的數據，大多數美國癌症病例（約80%至85%）爲NSCLC，其余爲小細胞癌症（SCLC）病例。三種可能起源于肺部或肺部附近但未被歸類爲癌症的癌症包括胸膜間皮瘤，這是壹種罕見的癌症，估計70%的病例是由于石棉暴露影響肺部和胸部襯裏；肉瘤，壹種罕見的癌症，在骨骼和/或軟組織中發展；根據克利夫蘭診所的說法，淋巴瘤是壹種血液癌症，起源于人體淋巴系統中的白細胞，也被稱爲淋巴細胞。
腦轉移瘤
腦轉移是癌症最常見的並發症之壹，當來自身體其他地方的癌症細胞擴散到大腦時，就會發生腦轉移。根據Patrick Wen等人發表在《神經遺傳學》上的腦轉移流行病學研究，患有癌症、癌症和黑色素瘤的患者腦轉移的風險更大。MD Anderson表示，除了最有可能擴散到大腦的前三種癌症（癌症、癌症和黑色素瘤）外，腎細胞癌、癌症和婦科癌症患者也經常發生腦轉移。
根據加州理工學院和華盛頓大學的研究小組的說法，癌症擴散到大腦的情況幾乎有壹半被診斷爲I至III期NSCLC，目前沒有可靠的分子或組織病理學（在顯微鏡下通過活組織檢查或手術獲得的組織和細胞）方法來預測腦轉移。
使用AI深度學習分類器
人工智能（AI）機器學習的預測能力能否提供壹種可靠的方法來識別NSCLC患者發生腦轉移的風險？爲了回答這個問題，科學家們開發了壹種人工智能深度學習（DL）分類器，該分類器由對ImageNet數據進行預訓練的ResNet-18卷積神經網絡（CNN）組成。
總體而言，這項研究使用了158名華盛頓大學醫學院診斷和治療的I至III期非小細胞肺癌患者的組織圖像，這些患者壹直隨訪到轉移或持續五年或更長時間。使用118名I期至III期NSCLC患者的實際診斷H&E染色腫瘤組織切片來訓練AI模型，其中45人最終出現腦轉移。
H&E代表蘇木精和伊紅，這兩種染料用于組織學中最常見的染色方法，即細胞和組織的顯微鏡研究。蘇木精由logwood tree的提取物（紅曲黴）組成，伊紅是壹種酸性染料，根據《梅奧診所學報》合成。有沒有想過，壹旦通過活檢或手術獲得組織樣本，那麽在幕後到底會發生什麽過程來確定樣本是否癌變？爲了制備顯微鏡用載玻片，將樣品固定（保存）、處理並包埋在石蠟中，使其硬化以進行切片。最後壹步，根據利茲大學的《組織學指南》，考慮到大多數細胞是透明無色的，對樣本進行染色以提高可見性。
在這項研究中，研究人員在40名不同I至III期NSCLC患者的組織學幻燈片圖像上測試了他們的深度學習算法，其中壹半患者出現了腦轉移。人工智能的表現與四位人類病理學家的表現進行了比較。人工智能的預測准確率爲87%，遠高于病理學家57.3%的平均准確率。
“在這裏，我們展示了如何在常規H&E染色的NSCLC腫瘤組織切片的數字圖像上有效地訓練DL網絡，以預測5年內的腦轉移進展 科學家們總結道：“經過多年的初步診斷，重要的是，准確識別出那些在5年或更長時間的隨訪後沒有進展的病例。”。
版權所有©2024 Cami Rosso。保留所有權利。
Cami Rosso writes about science, technology, innovation, and leadership.
psychologytoday