|
近日，伦敦帝国理工学院和墨尔本大学的研究人员开发了一套人工智能系统Texlab，该系统能够对卵巢癌进行预后（预测疾病可能病程和结局），预测卵巢癌患者的存活率，并给出对患者最有效的治疗建议。研究人员表示，与现有医疗技术相比，该系统预测患者存活率的准确率是传统方法的四倍。 这项研究在英国皇家学院医疗保健 NHS 信托基金会的哈默史密斯（Hammersmith）医院进行，研究成果发表在 Nature Communications 期刊上，标题为《A mathematical-descriptor of tumor-mesoscopic-structure from computed-tomography images annotates prognostic- and molecular-phenotypes of epithelial ovarian cancer》。 早期筛查卵巢癌可提高存活率 卵巢癌是女性生殖器官常见的恶性肿瘤之一，通常在绝经后或有家族病史的女性身上发生。据雷锋网了解，英国每年有 6000 例新的卵巢癌病例，但长期存活率仅为 35-40%。 卵巢癌中以上皮性卵巢癌（EOC）最多见。研究人员表示，实验中提到的上皮性卵巢癌是英国女性中第六大常见癌症，并且在所有妇科癌症中死亡率最高，占女性癌症死亡总数的4％。 常规的卵巢癌检测，医生会进行一系列操作。包括血液检查 CA125（一种癌症的迹象），然后进行 CT 扫描，利用X光和计算机生成卵巢肿瘤的详细图像进行分析。然而，这样的 CT 扫描只能让临床医生获得一个大概结果或治疗干预后的可能效果。 由于卵巢深居盆腔，体积小、缺乏典型症状，早期往往很难发现，大多数卵巢癌发现时已扩散到盆腹腔器官。因此卵巢癌预后一直是一大难题，也是提高癌症患者存活率的关键。 人工智能早期预测卵巢癌 伦敦帝国理工学院和墨尔本大学的研究人员使用一个称为 Texlab 的数学软件工具。在 2004 年至 2015 年间，从 364 例上皮性卵巢癌（EOC）患者的术前 CT 图像中提取了 657 个定量的数学描述。 据悉，Texlab 软件检测了肿瘤的四个生物学特征，这些特征显著影响患者的总体生存率，即结构、形状、大小和基因组成，以评估患者的预后。 最后，Texlab 会给到患者一个称为放射预测载体（RPV）的分数，该分数表示疾病的严重程度，从轻微到严重不等。 研究人员将研究结果与医生估计生存率的预后评分进行了比较，发现该软件预测卵巢癌死亡的准确度是标准方法的四倍。 研究小组还发现，RPV 能识别5% 总生存期小于 2 年的患者，改善既定的预后方法。另外，RPV 评分高也与化疗抵抗和手术预后差有关，这表明 RPV 可作为一种潜在的生物标志物来预测患者对治疗的反应。 AI 诊断女性癌症 人工智能的影像识别和深度学习能力，近年来被应用在了诸多医疗影像检测诊断领域。在女性疾病方面，AI 除了可以检测到早期卵巢癌，在女性乳腺癌、宫颈癌等癌症诊断领域也获得不少成果。 据了解，2018 年 10 月，谷歌的 AI 研究人员和圣地亚哥海军医学中心已经合作开发出了一种能使用癌症检测算法自动评估淋巴结活检的 AI 系统，被称为“淋巴结助手”(简称 LYNA)。 在《美国外科病理学杂志》中，“基于人工智能的乳腺癌淋巴结转移检测”的论文写到，在转移性乳腺癌的检测精度测试中，LYNA 的准确率达到 99%，超过人类的检测准确率。 2017 年，我国海归细胞病理学专家孙小蓉博士团队研制出一台人工智能宫颈癌诊断机器人“Landing”，可快速精准地进行癌细胞诊断。 该机器人从百万级样本中学习癌细胞、癌前病变细胞及正常细胞的样本辨识，最终能够精准识别宫颈正常细胞与癌细胞。据悉，“Landing”已获得中国、欧盟、美国（I类）临床认证许可，早期产品已应用于国内多家医疗机构。 人工智能技术应用女性癌症疾病的筛查诊断，可以帮助医生和患者尽早发现疾病，采取合适的治疗方式进行干预，从而有效提高癌症患者的存活率。 人工智能会成为人类对抗癌症的杀手锏吗？ 目前，对于多数肿瘤良恶性的判别基本得依靠医学影像，肺癌依靠CT造影，食道癌依靠胃镜窥视，乳腺癌依靠钼靶影像等等。对这些医学影像的诊断目前只能依赖于医生的主观经验分析。我们知道，在我国医疗行业长期存在优质医生资源分配不均的问题，三甲医院的医生忙不过来，基层医院的医生经验不足。 例如肺癌，CT检查是肺癌早筛的主要手段。三甲医院平均每天大概100到150个病人，每个病人至少拍二三百张CT片，也就是说一家医院一个医生一天要看近万份CT照片进行比对。可想而知，医生的劳动强度是非常大的。而AI通过对大量医学影像进行深度学习，并运用机器强大的运算能力和超强记忆力，人眼几分钟甚至十几分钟看过的图像，AI短短几秒就可以处理，大大提高医生的“看片”效率。 AI技术的学习能力不得不令人惊叹。目前，不少医院也已经开始应用AI技术进行影像识别，由中山大学附属第一医院联合腾讯公司共同研发的“腾讯觅影”已经可以精确定位到3mm以上的微小肺结节，对其良恶性判别敏感度达到85%，特异度高达90%。除了肺癌，腾讯觅影在食道癌，乳腺癌的影像辅助诊疗上，准确率也超过90%。 人工智能可以让癌症治疗个性化 一种新的人工智能技术可以让医生预测癌症肿瘤将如何变异，使他们更早地对每个病人的治疗进行个性化。这项技术被称为“左轮手枪”(癌症的重复进化)，它能识别出癌症中DNA突变的模式，并利用这些信息预测未来的基因变化。科学家们称，肿瘤不断变化的本质是治疗癌症的最大挑战之一，癌症往往演变为耐药性。 来自伦敦癌症研究所的安德里亚· 索托丽娃博士是该研究的第一作者，她说，通过这个工具，我们希望去除癌症的王牌之一，它的进化是不可预测的，我们不知道接下来会发生什么。伦敦癌症研究所首席执行官保罗·沃克曼教授补充说，这种使用人工智能的新方法可以让治疗在更详细的方式和更早的阶段变得个性化，根据每个肿瘤的特点量身定做。 为了制造左轮手枪，研究人员分析了先前针对肺癌、乳腺癌、肾癌和肠癌的研究中报告的178名患者的768个肿瘤样本。他们分别分析了每种癌症类型的数据，以检测和比较每种肿瘤的变化。通过识别重复的模式，将其与现有的癌症生物学和进化知识相结合，科学家可以预测肿瘤的未来发展。如果发现具有特定模式的肿瘤对特定的治疗产生耐药性，左轮手枪可以用来预测病人将来是否会产生耐药性。 谈到发表在《自然方法》杂志上的这些发现，沃克曼教授说，在为患者创造更有效的治疗方法方面，癌症的进化是我们面临的最大挑战。如果我们能够预测肿瘤将如何进化，那么在适应和耐药性出现之前，治疗方法就会发生改变，使我们领先癌症一步。这种使用人工智能的新方法可以让治疗在更详细的方式和更早的阶段个性化，根据每个肿瘤的特征以及对未来肿瘤外观的预测来定制。 科学家们还发现了某些重复的肿瘤突变序列与病人生存机会之间的联系。这表明DNA突变的重复模式可以作为治疗预后的指标，有助于塑造未来的治疗方法。例如研究人员发现，在抑制肿瘤蛋白p53的DNA序列中出现一系列错误，然后在8号染色体上出现突变的乳腺肿瘤存活时间更短。索托丽娃博士说，我们已经开发出了一种强大的人工智能工具，它可以基于特定的突变模式来预测肿瘤未来的发展，而这些突变模式目前仍隐藏在复杂的数据集中，通过对未来的展望，我们可能会利用这个人工智能工具在早期阶段进行干预，预测癌症的下一步行动。 原文标题：医生惊了!AI新突破:拍张CT就知你活多久 据连线杂志报道，现在已经有科学家开发出了一种全新的人工智能系统，能够通过观察人类的器官照片预测寿命。怎么样，听起来害怕吗?
这套人工智能系统由澳大利亚阿德莱德大学的研究人员开发，通过分析患者胸部影像预测未来五年内哪些病人会死亡，精确度为69%，与人类医生的判断精准度相当。 具体来说研究者使用了深度学习技术，让计算机系统学习理解和分析透视影像。虽然无法确定计算机从胸片中看到了什么，但计算机对肺气肿、充血性心力衰竭等严重慢性病患者的预测准确度颇高。 虽然预测死亡听起来是一个让人不愉快的事情，但是这项研究对严重疾病的早期诊断具有重大意义，可以帮助医生对患者提前进行医疗干预，从而遏制病情恶化。 未来研究人员希望将这项技术运用到更多常见疾病的预防上，比如突发性心脏病等。
|
|
|
