科学家利用人工智能发现了子宫内膜癌的高风险形式，以及如何检测它

　　

英属哥伦比亚大学研究人员的一项发现有望改善对子宫内膜癌患者的护理，子宫内膜癌是最常见的妇科恶性肿瘤。

研究人员利用人工智能(AI)在数千张癌细胞图像中发现模式，确定了子宫内膜癌的一个独特子集，该子集使患者面临更大的复发和死亡风险，但传统的病理学和分子诊断却无法识别。

今天发表在《自然通讯》上的研究结果将帮助医生识别高风险疾病患者，这些患者可以从更全面的治疗中受益。

“子宫内膜癌是一种多种多样的疾病，一些患者比其他人更有可能复发，”UBC妇科肿瘤学教授兼教授、BC癌症和温哥华综合医院的外科科学家Jessica McAlpine博士说。“识别高风险疾病患者非常重要，这样我们就可以进行干预，并有望防止复发。这种基于人工智能的方法将有助于确保没有患者错过可能挽救生命的干预措施的机会。”

人工智能精准医疗

这一发现建立在McAlpine博士及其同事在BC省妇科癌症倡议(UBC, BC癌症，温哥华海岸健康和BC妇女医院之间的多机构合作)的工作基础上，他们在2013年帮助表明，子宫内膜癌可以根据癌细胞的分子特征分为四种亚型，每一种对患者构成不同程度的风险。

麦卡尔平博士及其团队随后开发了一种名为ProMiSE的创新分子诊断工具，可以准确区分亚型。该工具目前在不列颠哥伦比亚省、加拿大部分地区和国际上使用，以指导治疗决策。

然而，挑战依然存在。最普遍的分子亚型，约占所有病例的50%，在很大程度上是一个包揽所有类型的子宫内膜癌，缺乏可识别的分子特征。

“在这个非常大的类别中，有一些患者的预后非常好，而另一些患者的癌症预后非常不利。但到目前为止，我们还缺乏识别高危人群的工具，因此我们无法为他们提供适当的治疗。”

麦卡尔平博士求助于长期合作伙伴、机器学习专家、UBC生物医学工程、病理学和实验室医学助理教授阿里·巴沙蒂博士，试图使用先进的人工智能方法进一步细分这一类别。

巴沙蒂博士和他的团队开发了一种深度学习人工智能模型，可以分析从患者身上收集的组织样本的图像。经过训练，人工智能可以区分不同的亚型，在分析了2300多张癌症组织图像后，确定了生存率明显较低的新亚组。

“人工智能的强大之处在于，它可以客观地观察大量图像，并识别人类病理学家无法识别的模式，”巴沙蒂博士说。“这是大海捞针。它告诉我们，具有这些特征的这组癌症是最严重的罪犯，对患者来说风险更高。”

把发现带给病人

在特里·福克斯研究所(Terry Fox Research Institute)的资助下，该团队正在探索如何将人工智能工具与传统的分子和病理诊断结合到临床实践中。

麦卡尔平博士说:“这两者是相辅相成的，人工智能在我们已经在做的测试之上提供了额外的一层。”

基于人工智能的方法的一个好处是它具有成本效益，并且易于跨地域部署。人工智能分析病理学家和医疗服务提供者(甚至是在农村和偏远社区的小型医院)定期收集的图像，并在寻求诊断的第二意见时共享。

结合使用分子和基于人工智能的分析，可以让许多患者留在他们的家庭社区进行不那么密集的手术，同时确保那些需要在更大的癌症中心接受治疗的患者可以这样做。

“对我们来说，真正有吸引力的是获得更大的公平和准入的机会。”“人工智能并不关心你是在大城市中心还是农村社区，它只是可用，所以我们希望这可以真正改变我们对各地患者诊断和治疗子宫内膜癌的方式。”