人工智能可以预测肺癌向脑部的扩散

圣路易斯华盛顿大学医学院的科学家们训练了一种机器学习算法，利用早期非小细胞肺癌患者的活检样本准确预测脑转移。它在预测那些没有发生转移性脑瘤的患者方面也非常准确。

　　

治疗早期肺癌患者的医生面临着一个难题:选择可能有用但有毒性的治疗方法，如化疗、放疗或免疫疗法来消灭癌症，降低癌症扩散到大脑的风险，还是等待肺部手术是否足够。当高达70%的此类患者没有发生脑转移(癌症向大脑扩散)时，问题就出现了:谁应该接受额外的积极治疗，谁可以安全地等待?

圣路易斯华盛顿大学医学院领导的一项新研究可以帮助医生在早期肺癌患者的主动干预和谨慎监测之间取得适当的平衡。这项研究发表在3月4日的《病理学杂志》上，它使用人工智能(AI)方法来研究患者的肺活检图像，并预测癌症是否会扩散到大脑。

Edward Mallinckrodt教授、病理学和免疫学系主任Richard J. Cote医学博士说:“在治疗肺癌患者时，没有可用的预测工具来帮助医生。“我们有风险预测器，告诉我们哪些人群更有可能发展到更晚期，但我们缺乏预测个体患者结果的能力。我们的研究表明，人工智能方法可能能够做出有意义的预测，这些预测足够具体和敏感，足以影响患者管理。”

肺癌是美国和全世界癌症死亡的主要原因。大多数肺癌的特征是非小细胞肺癌，这在很大程度上，但不完全是由吸烟引起的。对于早期癌症患者，肿瘤局限于肺部，手术被推荐为一线治疗。大约30%的这类患者会发展到晚期，这时癌细胞会扩散到淋巴结和其他器官。由于大脑通常首先受到影响，这类患者需要额外的治疗，包括化疗、靶向药物治疗、放射治疗和/或免疫治疗。然而，医生没有办法知道谁的癌症会发展，所以他们经常出于谨慎而对患者进行积极的治疗。

Cote与Ramaswamy Govindan博士合作，Ramaswamy Govindan博士是安海斯布希医学肿瘤学教授，也是华盛顿大学肿瘤学部门的副主任;马克·沃森，医学博士，病理学与免疫学玛格丽特·格拉迪斯·史密斯教授;以及加州理工学院电子工程、生物工程和医学工程教授杨昌辉博士，以确定人工智能是否可以预测癌症是否会扩散到大脑。

在诊断测试中，病理学家在显微镜下检查活检组织，以识别可能暗示疾病的细胞异常。科特解释说，人们正在探索人工智能等先进技术，以复制病理学家在诊断时看到的东西，但准确性更高。

一个关键问题是:人工智能能检测到病理学家无法检测到的异常特征吗?

研究人员使用118例早期非小细胞肺癌患者的肺活检样本，训练了一种机器学习算法来预测脑转移。一些患者在5年的监测期间患上了脑癌，而另一些患者则没有患上脑癌，并处于缓解期。然后，研究人员使用40名其他患者的肺活检样本，测试了人工智能方法预测脑转移的能力，以及识别没有发生转移的患者的能力。

该算法能够以87%的准确率预测脑癌的最终发展。相比之下，参与研究的四位病理学家的平均准确率为57.3%。重要的是，该算法在预测哪些患者不会发生脑转移方面非常准确。

戈文丹说:“我们的研究结果需要在更大规模的研究中得到验证，但我们认为人工智能在做出准确预测和影响护理决策方面有很大的潜力。”戈文丹在巴恩斯犹太医院和华盛顿大学医学院的斯特曼癌症中心治疗肺癌患者。“化疗等全身治疗虽然能有效杀死癌细胞，但也会损害健康细胞，并不总是所有早期癌症患者的首选治疗方法。”识别可能在大脑中复发的患者可能有助于我们制定在转移过程中早期拦截癌症的策略。我们认为，有朝一日，基于人工智能的预测可以为个性化治疗提供信息。”

该人工智能系统评估肿瘤和健康细胞的特征，类似于人类大脑扫描面部特征以快速识别熟悉面孔的方式。然而，算法看到的是未知的;科学家们正在努力了解人工智能用于预测的分子和细胞特征。这些知识可能会导致新疗法的发展，并影响为人工智能收集数据而优化的成像仪器的设计。

“这项研究最初是为了寻找预测性的生物标志物，”杨说。“但是我们找不到。相反，我们发现人工智能有可能利用已经收集的活检样本来预测癌症的进展。如果我们能够达到预测精度，使我们能够在临床上使用这种算法，而不必求助于昂贵的生物标志物，我们正在谈论成本效益方面的重大影响。”