Nature Communications刊發帝國理工學院新成果：AI預後卵巢癌，準確率是傳統方法四倍

圖片：倫敦帝國理工學院，癌症藥理學與分子成像教授Eric Aboagye

近日，倫敦帝國理工學院和墨爾本大學的研究人員開發了一套人工智慧系統Texlab，該系統能夠對卵巢癌進行預後（預測疾病可能病程和結局），預測卵巢癌患者的存活率，並給出對患者最有效的治療建議。

研究人員表示，與現有醫療技術相比，該系統預測患者存活率的準確率是傳統方法的四倍。

這項研究在英國皇家學院醫療保健NHS信託基金會的哈默史密斯（Hammersmith）醫院進行，研究成果發表在Nature Communications期刊上，標題為《A mathematical-descriptor of tumor-mesoscopic-structure from computed-tomography images annotates prognostic- and molecular-phenotypes of epithelial ovarian cancer》。

早期篩查卵巢癌可提高存活率

卵巢癌是女性生殖器官常見的惡性腫瘤之一，通常在絕經後或有家族病史的女性身上發生。據雷鋒網了解，英國每年有6000例新的卵巢癌病例，但長期存活率僅為35-40%。

卵巢癌中以上皮性卵巢癌（EOC）最多見。研究人員表示，實驗中提到的上皮性卵巢癌是英國女性中第六大常見癌症，並且在所有婦科癌症中死亡率最高，占女性癌症死亡總數的4％。

常規的卵巢癌檢測，醫生會進行一系列操作。包括血液檢查CA125（一種癌症的跡象），然後進行CT掃描，利用X光和計算機生成卵巢腫瘤的詳細圖像進行分析。然而，這樣的CT掃描只能讓臨床醫生獲得一個大概結果或治療干預後的可能效果。

由於卵巢深居盆腔，體積小、缺乏典型癥狀，早期往往很難發現，大多數卵巢癌發現時已擴散到盆腹腔器官。因此卵巢癌預後一直是一大難題，也是提高癌症患者存活率的關鍵。

人工智慧早期預測卵巢癌

倫敦帝國理工學院和墨爾本大學的研究人員使用一個稱為Texlab的數學軟體工具。在2004年至2015年間，從364例上皮性卵巢癌（EOC）患者的術前CT圖像中提取了657個定量的數學描述。

雷鋒網了解到，Texlab軟體檢測了腫瘤的四個生物學特徵，這些特徵顯著影響患者的總體生存率，即結構、形狀、大小和基因組成，以評估患者的預後。

最後，Texlab會給到患者一個稱為放射預測載體（RPV）的分數，該分數表示疾病的嚴重程度，從輕微到嚴重不等。

研究人員將研究結果與醫生估計生存率的預後評分進行了比較，發現該軟體預測卵巢癌死亡的準確度是標準方法的四倍。

研究小組還發現，RPV能識別5%總生存期小於2年的患者，改善既定的預後方法。另外，RPV評分高也與化療抵抗和手術預後差有關，這表明RPV可作為一種潛在的生物標誌物來預測患者對治療的反應。

AI診斷女性癌症

人工智慧的影像識別和深度學習能力，近年來被應用在了諸多醫療影像檢測診斷領域。在女性疾病方面，AI除了可以檢測到早期卵巢癌，在女性乳腺癌、宮頸癌等癌症診斷領域也獲得不少成果。

據雷鋒網了解，2018年10月，谷歌的AI研究人員和聖地亞哥海軍醫學中心已經合作開發出了一種能使用癌症檢測演算法自動評估淋巴結活檢的AI系統，被稱為「淋巴結助手」(簡稱LYNA)。

在《美國外科病理學雜誌》中，「基於人工智慧的乳腺癌淋巴結轉移檢測」的論文寫到，在轉移性乳腺癌的檢測精度測試中，LYNA的準確率達到99%，超過人類的檢測準確率。

2017年，我國海歸細胞病理學專家孫小蓉博士團隊研製出一台人工智慧宮頸癌診斷機器人「Landing」，可快速精準地進行癌細胞診斷。

該機器人從百萬級樣本中學習癌細胞、癌前病變細胞及正常細胞的樣本辨識，最終能夠精準識別宮頸正常細胞與癌細胞。據悉，「Landing」已獲得中國、歐盟、美國（I類）臨床認證許可，早期產品已應用於國內多家醫療機構。

人工智慧技術應用女性癌症疾病的篩查診斷，可以幫助醫生和患者儘早發現疾病，採取合適的治療方式進行干預，從而有效提高癌症患者的存活率。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！