人工智能工具预测结肠癌的生存和治疗反应
由哈佛医学院和国立成功大学的研究人员设计的新人工智能模型可以为医生提供预后和决定结直肠癌患者的治疗,这是全球第二大致命癌症。
仅通过查看肿瘤样本的图像 - 癌细胞的微观描述 - 新工具就可以准确预测结直肠肿瘤的侵袭性,患者在疾病复发和不复发的情况下生存的可能性,以及最佳治疗方法可能是什么。
关于该团队工作的报告发表在Nature Communications上。
拥有一种回答这些问题的工具可以帮助临床医生和患者驾驭这种狡猾的疾病,即使在接受相同治疗的具有相似疾病特征的人群中,这种疾病的行为也往往不同,并且最终可以挽救结直肠癌每年夺走的1万人的生命。
研究人员警告说,该工具旨在增强而不是取代人类的专业知识。
“我们的模型执行人类病理学家无法仅根据图像查看完成的任务,”该研究的共同资深作者Kun-Hsing Yu说,他是HMS布拉瓦特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。
“我们预期的不是人类病理学专业知识的替代,而是人类病理学家可以做的事情的增强,”Yu补充道。“我们完全期望这种方法将增强当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,没有模型可以完美地预测任何给定患者的生存。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更差,建议临床试验测试实验性疗法。
研究人员指出,该工具在这个国家和世界各地的资源有限地区可能特别有用,在这些地区,先进的病理学和肿瘤基因测序可能不容易获得。
新工具超越了当前许多人工智能工具,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辨别的显微镜图像上的视觉模式。
该工具名为MOMA(用于多组学多队列评估),可供研究人员和临床医生免费使用。
广泛的培训和测试
该模型是根据从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的训练,这些患者队列总共包括超过 450,000 名参与者——卫生专业人员随访研究、护士健康研究、癌症基因组图谱计划和 NIH 的 PLCO(前列腺、肺癌、结直肠和卵巢)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、癌症分期和结果的信息。他们还提供了有关肿瘤基因组,表观遗传学,蛋白质和代谢谱的信息。
然后,研究人员展示了肿瘤样本的模型病理学图像,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志物。
然后,研究人员通过向它提供一组以前从未见过的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。他们将它的表现与实际的患者结果和其他可用的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体生存期,以及其中有多少年是无癌症的。
该工具还根据患者的肿瘤是否携带特定的基因突变,使癌症或多或少地倾向于进展或扩散,准确地预测了个体患者对不同疗法的反应。
在这两个领域,该工具的表现都优于人类病理学家以及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,该模型将定期升级。
“对于任何人工智能模型,我们持续监测其行为和性能至关重要,因为我们可能会看到疾病负担或导致癌症发展的新环境毒素分布的变化,”Yu说。“重要的是,随着模型的出现,用新的和更多的数据来增强模型,这样它的性能就不会落后。
辨别的指示模式
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辨别。基于这些细节,该模型成功地确定了肿瘤侵袭性以及它对特定治疗做出反应的可能性的指标。
仅基于图像,该模型还确定了与特定基因突变的存在与否相关的特征 - 这通常需要对肿瘤进行基因组测序。测序可能既耗时又昂贵,特别是对于无法常规提供此类服务的医院。
研究人员说,正是在这种情况下,该模型可以为资源有限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,在将模型部署到诊所和医院之前,应该在前瞻性随机试验中进行测试,该试验评估该工具在初步诊断后一段时间内在实际患者中的表现。Yu说,这样的研究将提供模型能力的黄金标准演示,直接比较该工具仅使用图像的真实表现与使用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它做出给定的预测,该工具将能够解释其推理和它使用的变量。
Yu说,此功能对于提高临床医生对他们使用的AI模型的信心非常重要。
衡量疾病进展,最佳治疗
该模型精确地确定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:
肿瘤内的细胞密度更大。
肿瘤细胞周围存在结缔支持组织,称为基质。
肿瘤细胞与平滑肌细胞的相互作用。
该模型还确定了肿瘤基质内的模式,表明哪些患者更有可能在没有癌症复发的情况下活得更长。
该工具还准确预测了哪些患者将从一类称为免疫检查点抑制剂的癌症治疗中受益。虽然这些疗法对许多结肠癌患者有效,但有些疗法没有可衡量的益处,并且有严重的副作用。因此,该模型可以帮助临床医生定制治疗,并避免那些不会受益的患者,Yu说。
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 - 当称为甲基的分子附着在DNA上并改变DNA的行为方式时发生 - 已知会沉默抑制肿瘤的基因,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。