几十年来,科学家和病理学家一直试图找到一种方法来确定哪些肺癌患者的疾病扩散或转移到身体其他部位的风险最大,但没有取得多大成功。现在,来自加州理工学院和圣路易斯华盛顿大学医学院的一组科学家已经将这个问题反馈给人工智能(AI)算法,要求计算机预测哪些癌症病例可能会转移。在一项针对非小细胞肺癌(NSCLC)患者的新颖试点研究中,人工智能在做出此类预测方面优于专家病理学家。
这些关于肺癌进展的预测对个体患者的生活具有重要意义。治疗早期非小细胞肺癌患者的医生面临着一个极其困难的决定,即在患者接受肺部手术后,是否要用昂贵的毒性治疗(如化疗或放疗)进行干预。在某些方面,这是更谨慎的途径,因为超过一半的I-III期NSCLC患者最终会经历大脑转移。但这意味着许多其他人没有。对于这些患者来说,这种困难的治疗是完全没有必要的。
在本周发表在《 病理学杂志》(Journal of Pathology)上的这项新研究中,合作者表明,人工智能有望成为一种有朝一日可以帮助医生做出决策的工具。
“对癌症患者的过度治疗是一个大问题,”加州理工学院电气工程、生物工程和医学工程的Thomas G. Myers教授、传统医学研究所的研究员Changhuei Yang说。“我们的初步研究表明,人工智能可能非常擅长告诉我们哪些患者不太可能发生脑癌转移。
杨警告说,这项工作只是第一步,需要进行更大规模的研究来验证这些发现。
该团队研究了从圣路易斯华盛顿大学医学院的118名NSCLC患者收集的数据和活检图像。通常,病理学家会查看这些图像,在细胞内寻找可能表明癌症正在进展的异常。
由杨领导的加州理工学院电气工程师使用从这118张原始活检图像中提取的数十万张图像图块来训练一种称为深度学习网络的人工智能程序。他们还提供了关于哪些患者在诊断后五年内继续发生脑转移的随访数据,哪些没有。
“我们基本上要求网络从所有这些图像中 学习 ,从上下文信息中挑选出一些特征,这些特征可以表明患者的预后,”新论文的第一作者研究生Haowen 周说。然后,该网络获得了40张额外的活检图像,并要求确定患者是否继续经历脑转移。
人工智能网络能够正确预测个体NSCLC患者是否在87%的时间内经历过脑转移。相比之下,审查相同活检图像的四名专家病理学家只有57%的时间能够做出正确的预测。
“我们的研究表明,人工智能方法可能能够做出有意义的预测,这些预测具有足够具体和敏感的程度,足以影响患者管理,”华盛顿大学医学院病理学与免疫学系主任理查德·科特(Richard Cote)说。他指出,对于早期NSCLC患者(被归类为I期的患者),AI结果甚至优于整个研究的结果,并且这些预测仅基于基本的常规处理的显微镜载玻片。通过向人工智能提供有关其他因素的信息,例如疾病的严重程度和任何其他生物标志物,研究人员希望他们能够提高人工智能程序的预测能力。
有趣的是,人工智能程序并没有确切地指出是什么因素导致它做出某些预测。因此,该团队还在努力揭示人工智能程序可能关注的肿瘤细胞及其周围环境的微妙而复杂的特征。
“它正在研究我们作为病理学家所看到的东西,”科特说。“但它看到的比我们看到的要多。”他说,也许,一旦科学家确切地了解了人工智能所关注的是什么,他们将能够开发新的治疗方法来解决这些指标。
展望未来,杨在加州理工学院的团队也有兴趣开发仪器和流程,帮助科学家和临床医生收集更统一、更高质量的活检图像,以提高人工智能预测的准确性。“一旦我们了解了人工智能在做什么,我们就可以开始考虑如何设计成像和显微镜仪器,以更优化地获得人工智能想要的数据,”杨说。“我们可以摆脱为人类设计的成像仪器,转向制造针对机器使用进行优化的仪器。
加州理工学院论文的其他合著者,“人工智能引导的组织病理学预测肺癌患者的脑转移”,是研究生Steven (Siyu) Lin和博士后学者研究助理Simon Mahler。华盛顿大学医学院的其他合著者包括 Mark Watson、Cory Bernadt、Chieh-yu Lin、Jon Ritter、Alexander Wein、Sid Rawal 和 Ramaswamy Govindan。这项工作得到了传统医学研究所,加州理工学院智能感知中心,圣路易斯华盛顿大学医学院个性化医学计划和国家癌症研究所的支持。
新闻旨在传播有益信息,英文版原文来自https://www.caltech.edu/about/news/using-ai-to-predict-the-spread-of-lung-cancer