哈佛大學醫學院和國立成功大學的研究人員創建了一個新的人工智能模型，可以幫助醫生對結直腸癌患者的治療和預後做出更明智的決定，結直腸癌是全世界癌症死亡的第二大原因。這種新工具可以準確地預測結腸直腸腫瘤的侵襲性，疾病復發和不復發的可能性，以及病人的最佳療法，只需分析腫瘤樣本的圖像，即癌細胞的顯微鏡描述。

結腸癌是一種影響大腸（結腸）的癌症。它是全世界第三大最常見的癌症，也是美國癌症死亡的第二大原因。結腸癌的症狀可能包括腹痛、腸道習慣的改變和直腸出血。

擁有一個能夠回答此類問題的工具可以幫助臨床醫生和患者駕馭這種狡猾的疾病，即使在具有類似疾病特徵並接受相同治療的人群中，這種疾病的表現也往往不同–並且最終可以使每年被結直腸癌奪走的100萬條生命中的一些人免於死亡。

關於該團隊工作的報告最近發表在《自然通訊》雜誌上。

研究人員說，該工具是為了加強而不是取代人類的專業知識。

研究報告的共同第一作者、HMS的Blavatnik研究所生物醫學信息學助理教授Kun-Hsing Yu說：”我們的模型能完成人類病理學家僅靠圖像觀察無法完成的任務。Yu領導了一個由病理學家、腫瘤學家、生物醫學信息學家和計算機科學家組成的國際團隊。”

Yu補充說：”我們預期的不是取代人類的病理專業知識，而是增強人類病理學家能做的事情。我們完全期待這種方法將增強目前的癌症管理的臨床實踐。”

研究人員提醒說，任何一個病人的預後都取決於多種因素，沒有一個模型可以完美地預測任何特定病人的生存。然而，他們補充說，如果臨床醫生根據該工具的評估預測病人的預後較差，那麼這個新模型可能有助於指導他們更密切地隨訪，考慮更積極的治療，或推薦測試實驗性療法的臨床試驗。

研究人員指出，該工具在我國和世界各地資源有限的地區可能特別有用，因為這些地區可能不容易獲得先進的病理學和腫瘤基因測序。

這款新工具超越了許多當前的人工智能工具，它們主要執行複製或優化人類專業知識的任務。相比之下，新工具可以檢測和解釋顯微鏡圖像上人眼無法辨別的視覺模式。

該工具被稱為MOMA（代表多組學多隊評估），可免費提供給研究人員和臨床醫生。

廣泛的訓練和測試

該模型從近2000名結直腸癌患者身上獲得的信息進行了訓練，這些患者來自不同的國家患者隊列，共包括45萬名參與者–健康專家隨訪研究、護士健康研究、癌症基因組圖譜計劃和美國國立衛生研究院的PLCO（前列腺、肺、結直腸和卵巢）癌症篩選試驗。

在訓練階段，研究人員向模型提供了關於患者年齡、性別、癌症階段和結果的信息。他們還向模型提供了關於腫瘤的基因組、表觀遺傳學、蛋白質和代謝概況的信息。

然後，研究人員向該模型展示了腫瘤樣本的病理圖像，並要求它尋找與腫瘤類型、基因突變、表觀遺傳學改變、疾病進展和患者生存有關的視覺標記。

研究人員隨後測試了該模型在”真實世界”中的表現，給它提供了一組它以前沒有見過的來自不同病人的腫瘤樣本的圖像。他們將其性能與實際的病人結果和其他可用的臨床信息進行了比較。

該模型準確地預測了患者診斷後的總生存期，以及其中有多少年是無癌症的。

該工具還準確地預測了個別病人對不同療法的反應，其依據是病人的腫瘤是否存在特定的基因突變，使癌症更容易或更不容易進展或擴散。

在這兩個方面，該工具的表現都超過了人類病理學家和目前的人工智能模型。

研究人員說，隨著科學的發展和新數據的出現，該模型將進行定期升級。

Yu說：”對於任何人工智能模型，我們持續監測其行為和性能是至關重要的，因為我們可能會看到疾病負擔分佈的轉變，或有助於癌症發展的新環境毒素。重要的是在新的和更多的數據出現時用這些數據來增強模型，以便其性能永遠不會落後。”

辨別蛛絲馬蹟的模式

新模型利用了腫瘤成像技術的最新進展，這些技術提供了前所未有的細節，但人類評估人員仍然無法辨別。基於這些細節，該模型成功地確定了腫瘤的侵略性如何以及它對特定治療的反應可能性如何的指標。

僅僅基於圖像，該模型還指出了與特定基因突變的存在或不存在有關的特徵–這通常需要對腫瘤進行基因組測序。測序可能既費時又費錢，特別是對那些沒有常規服務的醫院來說。

研究人員說，正是在這種情況下，該模型可以在資源有限的環境中或在沒有腫瘤組織可用於基因測序的情況下為治療選擇提供及時的決策支持。在將該模型部署到診所和醫院使用之前，應該在一項前瞻性的隨機試驗中對其進行測試，評估該工具在最初診斷後一段時間內對實際患者的表現。這樣的研究將為該模型的能力提供黃金標準的證明，通過直接比較該工具在現實生活中僅使用圖像的表現與人類臨床醫生的表現，後者使用的知識和測試結果是該模型無法獲得的。

該模型的另一個優勢是其透明的推理。如果使用該模型的臨床醫生詢問它為什麼做出某個預測，該工具將能夠解釋它的推理和它使用的變量。

這一特點對於提高臨床醫生對他們使用的人工智能模型的信心非常重要。

衡量疾病的發展和最佳治療

該模型準確地指出了與生存差異有關的圖像特徵。

例如，它確定了三種預示著更壞結果的圖像特徵：

腫瘤內的細胞密度更大。

腫瘤細胞周圍存在結締支持性組織，稱為基質。

腫瘤細胞與平滑肌細胞的相互作用。

該模型還確定了腫瘤基質內的模式，表明哪些病人更有可能活得更久而不復發。

該工具還準確地預測了哪些患者會從一類被稱為免疫檢查點抑製劑的癌症治療中受益。雖然這些療法對許多結腸癌患者有效，但有些患者沒有可衡量的好處，而且有嚴重的副作用。該模型因此可以幫助臨床醫生定制治療方案，並使那些不會受益的患者免於受益。

該模型還成功檢測了與結腸癌相關的表觀遺傳變化。這些變化–當被稱為甲基的分子附著在DNA上並改變該DNA的行為方式時就會發生–已知會使抑制腫瘤的基因沉默，導致癌症迅速生長。該模型識別這些變化的能力標誌著它能夠為治療選擇和預後提供信息的另一種方式。