一項新的研究顯示，一項新的計算機程序可以分析患者肺部腫瘤的圖像，指明癌癥類型，甚至可以識別導致異常細胞生長的改變基因。
 
該研究由紐約大學醫學院的研究人員領導并在線發表在“自然醫學”雜志上，發現一種人工智能（AI）或“機器學習”程序可以區分出腺癌和鱗狀細胞癌之間97％的準確性-兩個經歷過病理學家的肺癌類型有時難以在沒有確認測試的情況下進行解析。
 
人工智能工具還能夠確定與肺癌相關的6種基因的異常形式-包括EGFR，KRAS和TP53-是否存在于細胞中，其準確度范圍為73％至86％，具體取決于基因。這種遺傳變化或突變通常會導致癌癥中出現異常生長，但也可以改變細胞的形狀和與周圍環境的相互作用，為自動分析提供視覺線索。
 
研究人員表示，確定每種腫瘤中哪些基因發生變化對于增加靶向治療的使用變得至關重要，這些治療僅對具有特定突變的癌細胞起作用。例如，已知大約20％的腺癌患者在基因表皮生長因子受體或EGFR中具有突變，現在可以用批準的藥物治療。
 
但研究作者表示，目前用于確認突變存在的基因檢測可能需要數周時間才能恢復結果。
 
“延遲癌癥治療的開始從來都不是好事，”高級研究作者，紐約大學朗格尼爾森林癌癥中心病理學系副教授Aristotelis Tsirigos博士說。“我們的研究提供了強有力的證據，證明AI方法能夠立即確定癌癥亞型和突變譜，從而使患者能夠更快地開始針對靶向治療。”
 
機器學習
 
在目前的研究中，研究團隊設計了統計技術，使他們的計劃能夠“學習”如何在任務中變得更好，但卻沒有被告知究竟如何。這些程序構建規則和數學模型，使得能夠基于數據示例進行決策，隨著訓練數據量的增長，程序變得“更加智能”。
 
受大腦中神經細胞網絡啟發的較新的人工智能方法使用越來越復雜的電路來分層處理信息，每一步都將信息輸入下一步，并在此過程中為每條信息分配或多或少的重要性。

 人工智能可以確定肺癌類型
 
目前的團隊訓練了一個深度卷積神經網絡，谷歌的Inception v3，來分析從癌癥基因組圖譜獲得的幻燈片圖像，這是一個已經確定的癌癥診斷圖像的數據庫。這讓研究人員可以測量他們的程序是如何訓練的，以準確和自動地對正常組織與患病組織進行分類。
 
有趣的是，該研究發現，研究AI程序錯誤分類的小部分腫瘤圖像中，約有一半也被病理學家錯誤分類，突出了區分兩種肺癌類型的難度。另一方面，研究中至少一名病理學家錯誤分類的54張圖像中有45張被機器學習程序指定為正確的癌癥類型，這表明AI可以提供有用的第二意見。
 
“在我們的研究中，我們很高興能夠提高病理學家的準確度，并表明AI可以發現癌細胞及其周圍組織的可見特征中以前未知的模式，”共同作者Narges Razavian博士說。放射學與人口健康系助理教授。“數據和計算能力之間的協同作用正在創造前所未有的機會，以改善醫學實踐和科學。”
 
展望未來，該團隊計劃繼續使用數據對其AI程序進行培訓，直到它能夠確定哪些基因在特定癌癥中突變，準確度超過90％，此時他們將開始尋求政府批準在臨床上使用該技術，并且幾種癌癥類型的診斷。