美研究团队：人工智能助力追溯癌症起源

文／陈根

人工智能在医疗卫生领域广泛应用正形成全球共识。可以说，人工智能以独特的方式捍卫着人类健康福祉，除了在诊疗手术、就医管理、医疗保险发挥作用，基于算法的人工智能近年来更是推动着疾病诊断与药物研究的革新，并越来越体现其优势。

近日，哈佛医学院 Faisal Mahmood 团队在 Nature 期刊发表论文，研究人员称，他们就开发了一种人工智能（AI）系统，该系统使用常规组织学切片就能准确查找转移性肿瘤的起源，同时对原发灶不明癌症（Cancer of Unknown Primary，CUP）进行鉴别诊断。

要知道，癌症转移（metastasis）是各种癌症导致死亡的最主要原因。常见的癌症转移主要有骨转移、肝转移、脑转移、肺转移、淋巴结转移、恶性胸水、恶性腹水等，这个阶段也被称为转移癌。90％的癌症患者死于癌细胞在病人身体的系统性扩散，这个阶段也被称为癌症晚期。

这一阶段也是学界攻关癌症的难点所在：在1－2％的癌症病例中，无法确定肿瘤最开始发生的部位，也就是原发灶。由于许多现代癌症治疗方法都针对原发性肿瘤，因此原发灶不明癌症（Cancer of Unknown Primary，CUP）的预后很差，平均总生存期仅为2．7－16个月。

为了获得更具体的诊断结果，患者通常必须进行广泛的诊断检查，其中可能包括额外的实验室检查、活检和内窥镜检查等等，这会导致治疗延迟，对患者生存不利。

此次研究中，研究团队开发了一种基于深度学习的算法，并将其命名为“深度学习评估肿瘤起源”（TOAD），可将肿瘤识别为原发性或转移性肿瘤，并预测其原发灶。

研究团队使用超过22000个癌症病例的十亿像素病理学全切片图像对该AI系统进行了训练，然后在约有6500个已知原发癌症病例中进行了测试，并分析了日益复杂的转移性癌症，以建立该AI模型在原发灶不明癌症（CUP）上的分析能力。

对于已知原发灶的肿瘤，该AI模型的预测准确率为83％，Top3预测准确率为96％。然后，研究团队在317个原发灶不明癌症（CUP）中测试了该AI模型，结果发现该AI模型的诊断与病理学家的一致率为63％，Top3诊断一致率为82％。

研究团队表示，该AI模型能够减少需要进行的辅助检查次数，减少额外组织采样，降低患者诊断所需总时间，能够加速诊断和后续治疗。这是使用全组织切片图像进行AI辅助癌症起源预测的第一步，该AI系统更将在未来改善对复杂转移性癌症患者的诊断，尤其是医疗资源贫乏地区的患者的诊断。