Nature：新型人工智能体系或能改善多种人类简单转移性癌症的诊断

2021年5月7日 讯 /100医药网BIOON/ --原发不明癌症（CUP，Cancer of unknown primary）是一组十分神秘的癌症诊断模式，即肿瘤来源的次要原发性位点并不克不及被确定，这关于迷信家们而言是一项微小的挑战，由于当代的医治办法次要针对原发性肿瘤；比来的研讨集中在使用基因组学和转录组学来辨认肿瘤的来源；然而基因组的检测并不老是能见效，并且在较低资本情况中缺乏一定的临床浸透性。

图片起源：https://www.nature.com/articles/s41586-021-03512-4

为了改善简单转移性癌症患者的诊断，日前，一篇颁发在国内杂志Nature上题为“AI-based pathology predicts origins for cancers of unknown primary”的研讨申报中，来自哈佛医学院等机构的迷信家们通过研讨开辟出了一种人工智能体系，其能应用惯例得到的组织学切片来精确寻觅转移性肿瘤的来源，同时还能发生一种“辨别诊断”战略，用于对原发性不明癌症患者进行诊断。

在1%-2%的癌症病例中，研讨职员无奈确定肿瘤来源的原发性位点，因为好多当代癌症疗法都邑靶向作用原发性肿瘤，针对原发不明癌症的诊断技术往往绝对缺乏，并且患者的中位总生活期仅为2.7-16个月，为了可能进行更为详细的诊断，癌症患者通常必需承受普遍的诊断，此中包含额定的试验室检测、活组织查看和内窥镜查看法式，这无疑中就会延误患者的医治。

这项研讨中，研讨职员开辟的人工智能体系就可能帮忙改善简单转移性癌症患者的诊断，尤其是在低程度资本的地域；其能应用惯例得到的组织切片来寻觅转移性肿瘤的来源，同时还能针对原发不明起因的癌症患者发生一种辨别诊断战略。文章通信作者Faisal Mahmood指出，简直每一名承受癌症诊断的患者都邑有一张组织学切片，这在一百多年来始终是诊断的尺度，本文研讨就为迷信家们提供了一种办法来应用广泛得到的数据和人工智能的弱小力气，帮忙改善这些通常必要年夜量诊断任务的简单癌症病例的诊断。

研讨职员所开辟的这种基于深度培训的算法被称之为TOAD 算法（基于深度培训的肿瘤来源评价，Tumor Origin Assessment via Deep Learning）能同时辨认肿瘤到底是原发性的照样转移性的，还能预测其来源的位点。研讨职员应用来自超过2.2万名癌症病例的肿瘤千兆像素病例学全切片来训练这种模子，随后在年夜约6500个已知的原发病例中检测TOAD算法，并阐发越来越简单的转移性癌症病例，以此来树立针对原发不明癌症的人工智能模子。关于已知原发性来源的肿瘤而言，该模子能精确地在83%的光阴里正确辨认癌症，并在96%的光阴里将诊断列入前三名的预测成果中。随后研讨职员在317例原发不明癌症病例中检测了该模子，并对病例进行了辨别诊断，成果发现，TOAD诊断在61%的光阴里与病理学家的申报一致，在82%的病例中与前三名预测成果一致。

图片起源：CC0 Public Domain

TOAD算法的表示与比来几项使用基因组数据来预测肿瘤来源的研讨申报的表示根本相称；虽然基于基因组的人工智能技术能提供一种可选择的办法来辅助进行癌症诊断，但基因组检测并不老是能在患者机体中发扬作用，尤其是在低程度资本的地域。为此研讨职员愿望能持续在更多病例中训练这种基于组织学的模子，并参加到更多临床实验中来确定是否这种新算法可能帮忙改善癌症的诊断才能和患者的预后预测。

这种新型模子的顶级预测才能能通过削减必要辅助测试的数目、削减额定的组织采样以及诊断病人所需的总体光阴来减速疾病的诊断和后续的医治，而这或者是漫长又有压力的；前三名的预测成果或能用来指导病理学家的下一步任务，而在缺乏病例学业余常识的情况中，最高的预测或者能被潜在用来指定进行辨别诊断；本文研讨成果只是使用全切片图像来进行人工智能辅助的癌症来源预测的第一步，当然这也是一项令迷信家们十分兴奋的研讨畛域，将来或无望让诊断进程尺度化并改善以后的癌症诊断战略。

综上，TOAD算法或能作为一种辅助诊断对象来用于针对简单的转移性肿瘤和原发不明癌症类型进行辨别诊断，并能与辅助查看和普遍的诊断查看结合使用来削减原发不明癌症的产生率。（100医药网100yiyao.com）

原始出处：

Lu, M.Y., Chen, T.Y., Williamson, D.F.K. et al. . Nature (2021). doi：10.1038/s41586-021-03512-4