人工智能系统可以改善复杂转移性癌症的诊断

为了改善复杂转移性癌症患者的诊断，尤其是低资源环境中的患者，来自Brigham和女性医院的Mahmood实验室的研究人员开发了一种人工智能（AI）系统，使用常规获得的组织学幻灯片来准确地找到转移的起源肿瘤同时产生“差异诊断”，用于未知主要患者的癌症。

在1％至2％的癌症病例中，肿瘤原产地的主要部位不能确定。由于许多现代癌症治疗药物靶向原发性肿瘤，因此未知原代（杯子）癌症的预后差，中位数总存活为2.7至16个月。为了获得更具体的诊断，患者通常必须经过广泛的诊断疗效，这些诊断疗法可包括额外的实验室测试，活组织检查和内窥镜检查程序，延迟治疗。改善复合转移性癌症患者的诊断，尤其是那些低资源设置，来自Brigham和女性医院的Mahmood实验室的研究人员开发了一种人工智能（AI）系统，使用常规获得的组织学幻灯片，以准确地找到转移性肿瘤的起源，同时为杯患者产生“差异诊断”。研究结果描述于自然。

“几乎所有癌症诊断的患者都有一个组织学幻灯片，这是一百年的诊断标准。我们的工作提供了一种利用普遍获得的数据和力量的方法人工智能为了改善这些复杂案件的诊断，通常需要广泛的诊断后工程，“Brigham和哈佛医学院的助理教授的计算病理学分工的相应作者Faisal Mahmood。

由研究人员开发的基于深度学习的算法，称为肿瘤起源评估通过深度学习（蟾蜍），同时将肿瘤识别为主要或转移性并预测其原产地。研究人员培训了他们的模型，用巨脂素病理到肿瘤的全幻灯片图像从超过22,000多种癌症患者进行培训，然后在大约6,500例患有已知原初进行的蟾蜍测试蟾蜍并分析越来越复杂转移性癌症建立AI模型在杯子上的效用。对于具有已知初级起源的肿瘤，该模型正确地确定了癌症的83％的时间，并列出了其前三名预测的诊断96％的时间。然后，研究人员在317个杯子案例中测试了差异诊断的模型，发现蟾蜍的诊断与病理学家的报告报告了61％的时间和前三项协议，在82％的情况下。

蟾蜍的表现与几个最近的研究报告的表现相当，使用基因组数据预测瘤起源。虽然基于基因组的AI提供了辅助诊断的替代选择，但对于患者而言，基因组测试并不总是对低资源设置进行。研究人员希望随着更多的情况下继续培训其组织学的模型，并从事临床试验，以确定它是否改善了诊断能力和患者的预期。

“模型的最高预测可以加速诊断通过减少需要订购的辅助测试的数量，减少额外的组织采样以及诊断患者所需的总时间来治疗，这可能是长而且压力的，“Mahmood说。”前三名预测可用于指南病理学家后续步骤，以及低资源设置，其中可能无法使用病理学专业知识可能用于分配a差异诊断。这只是使用全幻灯片的AI辅助图像的第一步癌症起源预测，它是一个非常激动人心的区域，具有标准化和改善诊断过程的潜力。“

---

---