人工智能可以使乳腺癌患者免于不必要的治疗

西北医学的一项新研究报告称，一种新的人工智能（AI）工具可以通过使用更精确的方法来预测乳腺癌患者的结果，从而避免不必要的化疗。

与专家病理学家进行的评估相比，对患者组织的人工智能评估更能预测患者疾病的未来病程。

人工智能工具能够识别目前被归类为高风险或中风险但成为长期幸存者的乳腺癌患者。这意味着他们化疗的持续时间或强度可以减少。这很重要，因为化疗与令人不快和有害的副作用有关，例如恶心，或者更罕见的是心脏损伤。

目前，病理学家评估患者组织中的癌细胞以确定治疗方法。但研究表明，非癌细胞的模式在预测结果方面非常重要。

这是第一项使用人工智能对浸润性乳腺癌的癌性和非癌性因素进行综合评估的研究。

“我们的研究表明了非癌症成分在决定患者预后方面的重要性，”西北大学范伯格医学院病理学副教授Lee Cooper说。“这些元素的重要性是从生物学研究中知道的，但这些知识尚未有效地转化为临床应用。

该研究于11月27日发表在《自然医学》杂志上。

到 2023 年，将有大约 300,000 名美国女性被诊断出患有浸润性乳腺癌。大约八分之一的美国女性在其一生中会接受乳腺癌诊断。

在诊断过程中，病理学家会检查癌组织以确定组织看起来有多异常。这个过程被称为分级，侧重于癌细胞的外观，几十年来基本保持不变。该等级由病理学家确定，用于帮助确定患者将接受何种治疗。

许多乳腺癌生物学研究表明，非癌细胞，包括来自免疫系统的细胞和为组织提供形态和结构的细胞，可以在维持或抑制癌症生长方面发挥重要作用。

Cooper及其同事建立了一个AI模型，用于评估数字图像中的乳腺癌组织，该图像测量癌细胞和非癌细胞的外观，以及它们之间的相互作用。

“这些模式对于病理学家来说具有挑战性，因为它们很难被人眼可靠地分类，”库珀说，他也是西北大学罗伯特·H·卢里综合癌症中心的成员。“人工智能模型测量这些模式，并向病理学家提供信息，使人工智能决策过程对病理学家来说很清楚。”

人工智能系统分析患者乳腺组织的 26 种不同特性，以生成总体预后评分。该系统还生成癌症、免疫和基质细胞的单独评分，以向病理学家解释总分。例如，在一些患者中，良好的预后评分可能是由于其免疫细胞的特性，而对于其他患者来说，这可能是由于其癌细胞的特性。患者的护理团队可以使用这些信息来制定个性化的治疗计划。

Cooper说，采用新模型可以为被诊断患有乳腺癌的患者提供与其疾病相关的风险的更准确估计，使他们能够就临床护理做出明智的决定。

此外，该模型可能有助于评估治疗反应，允许根据组织的微观外观如何随时间变化来升级或降级治疗。例如，该工具可能能够识别患者免疫系统在化疗期间靶向癌症的有效性，这可用于减少化疗的持续时间或强度。

“我们也希望这种模式能够减少在社区环境中被诊断出的患者的差异，”库珀说。“这些患者可能无法接触到专门研究乳腺癌的病理学家，而我们的人工智能模型可以帮助通才病理学家评估乳腺癌。

该研究是与美国癌症协会（ACS）合作进行的，该协会通过其癌症预防研究创建了一个独特的乳腺癌患者数据集。该数据集代表了来自美国超过 423 个县的患者，其中许多人在社区医疗中心接受了诊断或护理。这很重要，因为大多数研究通常使用来自大型学术医疗中心的数据，这些医疗中心仅代表美国人口的一部分。在这次合作中，西北大学开发了人工智能软件，而ACS和国家癌症研究所的科学家则提供了乳腺癌流行病学和临床结果方面的专业知识。

为了训练人工智能模型，科学家们需要在患者组织的数字图像中对细胞和组织结构进行数十万次人工生成的注释。为了实现这一目标，他们创建了一个由横跨几大洲的医学生和病理学家组成的国际网络。这些志愿者在几年的时间里通过网站提供了这些数据，使人工智能模型能够可靠地解释乳腺癌组织的图像。

接下来，科学家们将对该模型进行前瞻性评估，以验证其临床应用。这与西北医学向使用数字图像进行诊断的过渡相吻合，这将在未来三年内发生。

科学家们还致力于开发针对更特定类型的乳腺癌的模型，如三阴性或HER2阳性。浸润性乳腺癌包括几个不同的类别，这些类别的重要组织模式可能有所不同。

“这将提高我们预测结果的能力，并将提供对乳腺癌生物学的进一步见解，”库珀说。

其他西北作家包括 Mohamed Amgad Tageldin、Kalliopi Siziopikou 和 Jeffery Goldstein。