一種新的AI（人工智慧）工具可以透過更精確的方法預測乳癌患者的治療結果，從而使患者免於接受不必要的化療。這是根據西北醫學研究院的一項新研究得出的結論。與病理專家的評估相比，人工智慧對患者組織的評估更能預測患者未來的病程。

人工智慧工具能夠識別出目前被歸類為高風險或中度風險但成為長期倖存者的乳癌患者。這意味著他們的化療時間或強度可以縮短。這一點非常重要，因為化療會帶來令人不快的有害副作用，如噁心，或更罕見的對心臟的損害。

目前，病理學家透過評估患者組織中的癌細胞來確定治療方法。但研究顯示，非癌細胞的模式對預測結果非常重要。這是第一個使用人工智慧對浸潤性乳癌的癌細胞和非癌細胞進行全面評估的研究。

“我們的研究證明了非癌症成分在決定患者預後方面的重要性，”該研究的通訊作者、西北大學范伯格醫學院病理學副教授李-庫珀（Lee Cooper）說。”生物學研究已經知道了這些元素的重要性，但這些知識還沒有有效地轉化到臨床應用中”。

這項研究將於今天（11月27日）發表在《自然醫學》雜誌。

2023年，約有30萬美國婦女將被診斷為侵襲性乳癌。大約每八名美國婦女中就有一人在一生中會被診斷出罹患乳癌。

在診斷過程中，病理學家會對癌症組織進行複查，以確定組織的異常程度。這個過程被稱為分級，主要針對癌細胞的外觀，幾十年來基本上保持不變。病理學家確定的分級有助於決定患者將接受何種治療。許多乳癌生物學研究表明，非癌細胞，包括免疫系統細胞和為組織提供形態和結構的細胞，在維持或抑制癌症生長方面發揮重要作用。

庫柏及其同事建立了一個人工智慧模型，從數位影像中評估乳癌組織，測量癌細胞和非癌細胞的外觀以及它們之間的相互作用。

西北大學羅伯特-H-盧裡綜合癌症中心成員庫柏說：「病理學家評估這些模式具有挑戰性，因為人眼很難對它們進行可靠的分類。人工智慧模型測量這些模式，並以一種讓病理學家清楚人工智慧決策過程的方式向病理學家展示資訊”。”

人工智慧系統分析患者乳房組織的26 種不同屬性，產生整體預後評分。該系統還能產生癌細胞、免疫細胞和基質細胞的單一評分，以便向病理學家解釋整體評分。例如，對某些患者來說，良好的預後評分可能是由於其免疫細胞的特性，而對其他患者來說，良好的預後評分可能是由於其癌細胞的特性。病人的照護團隊可以利用這些資訊來制定個人化的治療方案。

採用這種新模型可以為被診斷為乳癌的患者提供與其疾病相關的更準確的風險估計，使他們有能力對自己的臨床治療做出明智的決定。此外，該模型還有助於評估治療反應，根據組織的顯微外觀隨時間的變化來升級或降級治療。例如，該工具也許能辨識病人的免疫系統在化療過程中針對癌症的有效性，進而縮短化療時間或降低化療強度。

庫柏說：「我們也希望這種模式能夠減少在社區環境中確診的患者的不平等。這些患者可能無法接觸到乳癌專科病理學家，而我們的人工智慧模式可以幫助全科病理學家評估乳癌”。

這項研究是與美國癌症協會（ACS）合作進行的，該協會透過癌症預防研究建立了一個獨特的乳癌患者資料集。該資料集代表了來自美國超過423 個縣的患者，其中許多人是在社區醫療中心接受診斷或治療的。這一點非常重要，因為大多數研究通常使用大型學術醫療中心的數據，而這些數據只代表了美國人口的一部分。在這次合作中，西北大學開發了人工智慧軟體，而美國癌症協會和國家癌症研究所的科學家則提供了乳癌流行病學和臨床結果的專業知識。

為了訓練人工智慧模型，科學家需要在患者組織的數位影像中產生數十萬個由人類生成的細胞和組織結構註釋。為此，他們創建了一個由幾大洲的醫學生和病理學家組成的國際網絡。這些志工在數年時間裡透過網站提供這些數據，使人工智慧模型能夠可靠地解讀乳癌組織圖像。

接下來，科學家將對這項模型進行前瞻性評估，以驗證其臨床用途。這與西北醫學中心將在未來三年內過渡到使用數位影像進行診斷的時間相吻合。

科學家們也正在努力開發適用於更多特定類型乳癌（如三陰性或HER2陽性）的模型。侵襲性乳癌包括幾種不同的類型，不同類型乳癌的重要組織模式可能會有所不同。

庫柏說：”這將提高我們預測結果的能力，並將為乳癌的生物學研究提供進一步的見解。”