精准“算病”：AI检测癌症，准确率高达94%

依据国际卫生安排最新调查报告显现，2022 年，估量有 2000 万新增癌症病例和 970 万逝世病例。癌症确诊后 5 年内存活的估量人数为 5350 万。大约五分之一的人在一生中罹患癌症，大约九分之一的男性和十二分之一的女人死于癌症。

2024 年 2 月 2 日，国际卫生安排国际癌症研讨机构（IARC）最新发布的 Global cancer burden growing， amidst mounting need for services，估量 2050 年将有逾越 3500 万新增癌症病例，比 2022 年的估量 2000 万例添加 77%。这再一次强调了现在日益加剧的全球癌症担负，值得国际范围内的注重。

安排病理学图画评价是确诊癌症的一种有用的办法。近来，来自哈佛医学院的研讨团队及其合作者提出了临床安排病理学成像评价根底（CHIEF）模型，用于提取病理成像特征以进行体系的癌症评价。

在包含 11 种癌症类型的 15 个数据集上，CHIEF 在癌症检测方面完成了近 94% 的精确率，明显优于当时的人工智能办法。在从独立行列搜集的 5 个活检数据会集，CHIEF 在包含食道癌、胃癌、结肠癌和前列腺癌在内的多种癌症类型中到达了 96% 的精确率。当研讨人员在曾经从未见过的结肠、肺、乳腺、子宫内膜和子宫颈手术切除肿瘤的切片上测验 CHIEF 时，该模型的精确率逾越 90%。

相关研讨论文以“A pathology foundation model for cancer diagnosis and prognosis prediction”为题，已宣布在威望科学期刊 Nature 上。

该研讨的一起通讯作者、哈佛医学院助理教授 Kun-Hsing Yu 表明：“咱们的方针是创立一个灵敏、多功能的相似 ChatGPT 的人工智能（AI）渠道，可以履行广泛的癌症评价使命，咱们的模型在与多种癌症的癌症检测、预后和医治反响相关的多项使命中非常有用。”

研讨人员指出，未来若对该办法进行进一步验证并广泛推行，将可以辨识出前期癌症患者。这些患者可能会从针对特定分子变异的实验性医治中获益，这将有助于缩小全球范围内此类医治在研制和运用方面的距离。

检测癌症的精确率高达 94%

CHIEF 是一个适用于弱监督安排病理学图画剖析的通用机器学习结构。CHIEF 提取对癌症分类、肿瘤来历猜测、基因组学猜测和预后剖析有用的病理成像体现。研讨团队运用代表 19 个解剖部位的 60530 张全切片图画以弱监督的办法对 CHIEF 进行了预练习。

在预练习过程中，他们将全切片图画裁剪成不堆叠的图画瓦片，并运用比照言语-图画预练习（CLIP）嵌入办法编码每个全切片的解剖部位信息，以取得每个解剖部位的特征向量。他们将文本和图画嵌入兼并，以表明来自练习数据的异质病理信息。然后，运用 CHIEF 提取的病理成像特征直接揣度癌症类型。在基因组学猜测和预后猜测使命中，CHIEF 特征作为为每个特定使命微调模型的根底。

图 | CHIEF 模型概述。

CHIEF 在这些使命中的体现比最先进的深度学习办法高出多达 36.1%。均匀来说，CHIEF 的体现比传统办法高出 9%。

图 | CHIEF 在癌症分类、基因组学辨认和生计猜测使命中明显优于最先进的办法。

CHIEF 模型在病理图画剖析中展现出强壮的通用性和泛化才能，可以在多种癌症类型中运用于多种病理评价使命，其间包含癌症检测、肿瘤来历猜测、基因组特征猜测以及生计猜测。

CHIEF 在代表 11 种癌症类型的 15 个数据集上完成了 0.9397 的微观均匀受试者操作特征曲线下面积（AUROC），比现有的三种深度学习办法均高出 10% 及以上。在从独立行列搜集的一切五个活检数据会集，CHIEF 在包含食管、胃、结肠和前列腺在内的几种癌症类型中的 AUROCs 均大于 0.96。在运用包含五种癌症类型（即结肠、乳腺、子宫内膜、肺和宫颈）的七个手术切除切片集进行独立验证时，CHIEF 的 AUROCs 大于 0.90。这些成果证明了CHIEF在国际上不同来历的多样化癌症安排和样本中的泛化才能。

图 | CHIEF 的体现优于最先进的深度学习办法。

AI 正协助人类攻破癌症

在医疗健康范畴， AI 正逐渐展现出其共同的价值；特别是在癌症的前期筛查和检测方面，AI 技能的运用正日益成为霸占这一难题的要害力气。层出不穷的研讨成果不断推进着这一范畴的快速展开。

本年 6 月，伦敦帝国理工学院与剑桥大学的研讨团队联合练习出一种新式 AI 模型——EMethylNET。该模型经过剖析 DNA 甲基化形式，可以在非癌变安排中精确辨认出 13 种不同类型的癌症，包含乳腺癌、肝癌、肺癌和前列腺癌等，其检测精确率高达 98.2%，为前期癌症的发现供给了强有力的技能支持。

7 月，哈佛医学院的研讨团队与合作伙伴一起开发了一款针对人类病理学范畴的视觉言语通用 AI 帮手——PathChat。该体系在处理活检切片时，可以正确辨认疾病的精确率到达近 90%，其功能逾越了当时市场上的通用 AI 模型如 GPT-4V 以及专业医疗模型。相关研讨论文已宣布在科学期刊 Nature 上。

此外，有研讨团队致力于使用 AI 技能控制细胞命运，完成了将癌细胞转化为免疫细胞的打破。本年 8 月，南加州大学（USC）凯克医学院的学者们在美国国立卫生研讨院（NIH）的赞助下，展开了一项立异研讨。他们使用 AI 辨认偏重新编程胶质母细胞瘤细胞的基因，将其转变为具有抗癌才能的树突状细胞，有用地瞄准并炸毁周围的癌细胞。在胶质母细胞瘤小鼠模型中，这一办法明显提高了 75% 的生计时机，为癌症医治供给了新的视角。

与此同时，考虑到药物耐受性问题，有研讨团队将焦点转向转移性癌症，使用 AI 技能开发出个性化的癌症医治战略。本年 6 月，来自牛津大学等研讨机构的科学家们经过跨学科联合研讨，引入了一种新式结构，该结构可以运用深度强化学习为前列腺癌患者拟定适应性医治方案。研讨成果显现，与依靠最大耐受剂量或非个性化间歇医治比较，这种新式适应性办法能明显延伸患者无复发的时刻，最长可达两倍，为个性化癌症医治拓荒了新途径。

或许在不远的将来，人类在 AI 的协助下，从此不再谈“癌症”色变。

本文来自微信大众号：学术头条，作者：马雪薇，编审：学术君