德國學者用機器學習「癌症指紋」診斷腦瘤,人為誤診率12%
科學家越來越熱衷於藉助人工智慧來診斷各種疾病,以此讓醫生從各種呆板機械的工作中解放出來、提高醫療效率。更重要的一點在於,AI診斷的準確率似乎也在不斷超越頂尖級的醫生。
3月15日凌晨,德國癌症研究中心(DKFZ)的Stefan Pfister及其同事的一項最新成果在線發表在頂級學術期刊《自然》(Nature),該團隊研發了一款特別針對腦腫瘤的診斷AI工具。
對腦腫瘤治療來說,正確診斷是提供治療前的一項基礎工作。目前已知的腫瘤有近100中類型,然而神經中樞系統的腫瘤是其中最難做到準確區分和診斷的。為解決這一難題Pfister及其同事利用DNA甲基化數據訓練了一種機器學習方法,最終可以根據甲基化數據對腦腫瘤進行自動分類。
所謂的DNA甲基化,即在甲基化轉移酶的幫助下,活性甲基轉移至DNA鏈中特定鹼基上的化學修飾過程,也被形象地稱為給DNA「戴帽子」。
這頂「帽子」在調控基因表達、維持染色質結構、基因印記、X染色體失活以及胚胎髮育等生物學過程中都會發揮重大作用。近年來也有研究表明,DNA異常甲基化和腫瘤的發生、發展、細胞癌變有著密切的聯繫,甲基化因此也被稱為癌症的「通用指紋」。
研究團隊獲取了大概2800名癌症患者的甲基化數據,他們的AI工具最終可以診斷出91種腫瘤類型。隨後,他們將這套AI工具在1104個中樞神經系統腫瘤病例上進行了測試。這些病例此前已經被醫生人為診斷出結果,醫生當時的誤診率是12%。
值得一提的是,除了診斷準確性得到提高,AI更善於客觀地診斷出一些新出現並罕見的腫瘤。這種情況下如果醫生人為診斷,往往會受已知腫瘤類型的影響,即使癥狀屬於非典型。
為了讓更多人體驗這款AI診斷工具,研究團隊還創建了一個免費的在線工具,使用者上傳數據後數分鐘即得出分析。2016年12月以來,這款在線工具已經被使用超過4500次,使用者也可以選擇將數據分享出來以進一步優化系統演算法。
研究團隊認為,整合甲基化『指紋』來進行腦腫瘤的自動分類,也為其他種類腫瘤提供了一種創建類似的腫瘤分類演算法的思路。
來源:澎湃新聞
※Cancer Res:天津醫科大學發現促進肝癌轉移的新分子
※你做的PPT真讓你導師滿意嗎?
TAG:Science |