精準“算病”！AI檢測癌症，準確率高達94%，研究登上Nat

撰文 | 馬雪薇

編審 | 學術君

前言

根據世界衛生組織最新調查報告顯示，2022年，估計有 2000 萬新增癌症病例和 970 萬死亡病例。癌症確診後 5 年內存活的估計人數爲 5350 萬。大約五分之一的人在一生中罹患癌症，大約九分之一的男性和十二分之一的女性死於癌症。

2024 年 2 月 2 日，世界衛生組織國際癌症研究機構（IARC）最新發布的 Global cancer burden growing, amidst mounting need for services，預計 2050 年將有超過 3500 萬新增癌症病例，比 2022 年的估計 2000 萬例增加 77%。這再一次強調了目前日益加重的全球癌症負擔，值得世界範圍內的重視。

組織病理學圖像評估是診斷癌症的一種有效的方法。近日，來自哈佛醫學院的研究團隊及其合作者提出了臨牀組織病理學成像評估基礎（CHIEF）模型，用於提取病理成像特徵以進行系統的癌症評估。

在包含 11 種癌症類型的 15 個數據集上，CHIEF 在癌症檢測方面實現了近 94% 的準確率，顯著優於當前的人工智能方法。在從獨立隊列收集的 5 個活檢數據集中，CHIEF 在包括食道癌、胃癌、結腸癌和前列腺癌在內的多種癌症類型中達到了 96% 的準確率。當研究人員在以前從未見過的結腸、肺、乳腺、子宮內膜和子宮頸手術切除腫瘤的切片上測試 CHIEF 時，該模型的準確率超過 90%。

相關研究論文以“A pathology foundation model for cancer diagnosis and prognosis prediction”爲題，已發表在權威科學期刊 Nature 上。

該研究的共同通訊作者、哈佛醫學院助理教授 Kun-Hsing Yu 表示：“我們的目標是創建一個靈活、多功能的類似 ChatGPT 的人工智能 （AI）平臺，可以執行廣泛的癌症評估任務，我們的模型在與多種癌症的癌症檢測、預後和治療反應相關的多項任務中非常有用。”

研究人員指出，未來若對該方法進行進一步驗證並廣泛推廣，將能夠辨識出早期癌症患者。這些患者可能會從針對特定分子變異的實驗性治療中獲益，這將有助於縮小全球範圍內此類治療在研發和應用方面的差距。

檢測癌症的準確率高達 94%

CHIEF 是一個適用於弱監督組織病理學圖像分析的通用機器學習框架。CHIEF 提取對癌症分類、腫瘤來源預測、基因組學預測和預後分析有用的病理成像表現。研究團隊使用代表 19 個解剖部位的 60530 張全切片圖像以弱監督的方式對 CHIEF 進行了預訓練。

在預訓練過程中，他們將全切片圖像裁剪成不重疊的圖像瓦片，並使用對比語言-圖像預訓練（CLIP）嵌入方法編碼每個全切片的解剖部位信息，以獲得每個解剖部位的特徵向量。他們將文本和圖像嵌入合併，以表示來自訓練數據的異質病理信息。然後，使用 CHIEF 提取的病理成像特徵直接推斷癌症類型。在基因組學預測和預後預測任務中，CHIEF 特徵作爲爲每個特定任務微調模型的基礎。

圖 | CHjog.shoumeili.comIEF 模型概述。

CHIEF 在這些任務中的表現比最先進的深度學習方法高出多達 36.1%。平均來說，CHIEF jog.qdchaoyinxx.com的表現比傳統方法高出 9%。

圖 | CHIEF 在癌症分類、基因組學just.nj-maintenance.com識別和生存預測任務中顯著優於最先進的方法。

CHIEF 模型在病理圖just.66seed.com像分析中展現出強大的通用性和泛化能力，能夠在多種癌症類型中應用於多種病理評估任務，其中包括癌症檢測、腫瘤來源預測、基因組特徵預測以及生存預測。

CHIEF 在代表 11 種癌症類型的 15 個數據集上實現了 0.9397 的宏觀平均受試者操作特徵曲線下面積（AUROC），比現有的三種深度學習方法均高出 10% 及以上。在從獨立隊列收集的所有五個活檢數據jazz.sactocracy.com集中，CHIEF 在包括食管、胃、結腸和前列腺在內的幾種癌症類型中的 AUROCs 均大於 0.96。在使用涵蓋五種癌症類型（即結腸、乳腺、子宮內膜、肺和宮頸）的七個手術切除切片集進行獨立驗證時，CHIEF 的 AUROCs 大於 0.90。這些結果證明了CHIEF在國際上不同來源的多樣化癌症組織和樣本中的泛化能力。

圖 | CHIEF 的表現優於最先進jazz.babyisl.com的深度學習方法。

AI 正幫java.39niigata.com助人類攻破癌症

在醫療健康領域， AI 正逐漸展現出其獨特的價值；特別是在癌症的早期篩查和檢測方面，AI 技術的應用正日益成爲攻克這一難題的關鍵力量。層出java.markingpad.com不窮的研究成果不斷推動着這一領域的快速發展。

今年 6 月，倫敦帝國理工學院與劍橋大學的研究團隊聯合訓練出一種新型 AI 模型——EMethylNET。該模型通過分析 DNA 甲基化模式，能夠在非癌變組織中準確識別出 ju.sashitoka.com13 種不同類型的癌症，包括乳腺癌、肝癌、肺癌和前列腺癌等，其檢測準確率高達 98.2%，爲早期癌症的發現提供了強有力的技術支持。

7 月，哈佛醫學院的研究團隊與合作伙伴共同開發了一款針對人類病理學領域的視覺語言通用 AI 助手——PathChat。該系統在處理活檢切片時，能夠正確識別疾病的準確率達到ju.daiei-bousui.com近 90%，其性能超越了當前市場上的通用 AI 模型如 GPT-4V 以及專業醫療模型。相關研究論文已發表在科學期刊 Nature 上。

此外，有研ju.jvnhe.com究團隊致力於利用 AI 技術操控細胞命運，實現了將癌細胞轉化爲免疫細胞的突破。今年 8 月，南加州大學（USC）凱克醫學院的學者們在美國國立衛生研究院（NIH）的資助下，開展了一項創新研究。他們利用 AI 識別並重新編程膠質母細胞瘤細胞的基因，將其轉變爲具有抗癌能力的樹突狀細胞，有效地瞄準並摧毀周圍的癌細胞。在膠質母細胞瘤小鼠模型中，這一方法顯著提高了 75% 的生存機會，爲癌症治療提供了新的視角。

與jog.dekita-aikotoba.com此同時，考慮到藥物耐受性問題，有研究團隊將焦點轉向轉移性癌症，利用 AI 技術開發出個性化的癌症治療策略。今年 6 月，來自牛津大學等研究機構的科學家們通過跨學科聯合研究，引入了一種新型框架，該框架能夠應用深度強化學習爲前列腺癌患者制定適應性治療計劃。研究結果顯示，與依賴最大耐受劑量或非個性化間歇治療相比，這種新型適應性方法能顯著延長患者無復發的時間，最長可達兩倍，爲個性化癌症治療開闢了新路徑。

或許在不遠的將來，人類在 Ajog.gaokaoen.comI 的幫助下，從此不再談“癌症”色變。

｜點擊just.hdzhuangxiu.com關注我 記得標星｜