研究發(fā)現(xiàn)，AI可預(yù)測癌癥預(yù)后，有望應(yīng)用于臨床試驗(yàn)?

過這些新的 AI 模型，Mahmood 和其同事發(fā)現(xiàn)了一種通過計算方式整合幾種形式的診斷信息以產(chǎn)生更準(zhǔn)確的結(jié)果預(yù)測的方法。 這些 AI 模型展示了進(jìn)行預(yù)后判斷的能力，同時還發(fā)現(xiàn)了用于預(yù)測患者風(fēng)險的特征預(yù)測基礎(chǔ)——這一特性可用于發(fā)現(xiàn)新的生物標(biāo)志物。 

研究人員使用癌癥基因組圖譜（TCGA）構(gòu)建了這些模型。TCGA 是一個公開的資源，包含許多不同類型癌癥的數(shù)據(jù)。 

然后，他們開發(fā)了一種基于多模態(tài)深度學(xué)習(xí)的算法，該算法能夠從多個數(shù)據(jù)源學(xué)習(xí)預(yù)后的信息。通過為組織學(xué)和基因組數(shù)據(jù)創(chuàng)建單獨(dú)的模型，他們可以將該技術(shù)融合成一個提供關(guān)鍵預(yù)后信息的集成體。 

他們通過將 14 種癌癥類型的數(shù)據(jù)集以及病人的組織學(xué)和基因組數(shù)據(jù)輸入該模型，評估了其功效。結(jié)果表明， 這些模型比那些只包含單一信息來源的模型產(chǎn)生了更準(zhǔn)確的病人結(jié)果預(yù)測。 

這項(xiàng)研究強(qiáng)調(diào)，使用 AI 整合不同類型的臨床信息數(shù)據(jù)來預(yù)測疾病結(jié)果是可行的。 

Mahmood 解釋說，這些模型可以讓研究人員發(fā)現(xiàn)結(jié)合不同臨床因素的生物標(biāo)志物，并更好地了解他們診斷不同類型癌癥所需的信息類型。研究人員還定量地研究了每種診斷方式對單一癌癥類型的重要性以及整合多種方式的好處。 

AI 模型還能夠闡明驅(qū)動預(yù)后預(yù)測的病理和基因組特征。 研究小組發(fā)現(xiàn)，這些模型將病人的免疫反應(yīng)作為預(yù)后標(biāo)記，而沒有經(jīng)過訓(xùn)練，這是一個值得注意的發(fā)現(xiàn)。因?yàn)橐郧暗难芯勘砻鳎[瘤引起更強(qiáng)的免疫反應(yīng)的病人往往會有更好的結(jié)果。 

雖然這種概念驗(yàn)證模型揭示了 AI 技術(shù)在癌癥治療中的新作用，但這項(xiàng)研究只是臨床實(shí)施這些模型的第一步。在臨床中應(yīng)用這些模型需要合并更大的數(shù)據(jù)集并在大型獨(dú)立測試隊列中進(jìn)行驗(yàn)證。展望未來，Mahmood 旨在整合更多類型的患者信息，如放射學(xué)掃描，家族史和電子病歷，并將模型應(yīng)用于臨床試驗(yàn)。 

“這項(xiàng)工作為結(jié)合來自多個來源的數(shù)據(jù)的大型醫(yī)療保健 AI 研究奠定了基礎(chǔ)。從更廣泛的意義上講，我們的發(fā)現(xiàn)強(qiáng)調(diào)要建立具有更大數(shù)據(jù)集和下游臨床試驗(yàn)的計算病理預(yù)后模型，才能實(shí)現(xiàn)更好的數(shù)據(jù)實(shí)用性?！?nbsp;