全新人工智能工具改变乳腺癌预后和治疗方法

　　这项研究将发表在今天(11月27日)的《自然医学》杂志上。2023年，大约30万美国女性将被诊断为浸润性乳腺癌。大约八分之一的美国女性在她们的一生中会被诊断出患有乳腺癌。

　　

美国西北大学医学院的一项研究介绍了一种人工智能工具，该工具可以通过分析癌细胞和非癌细胞来改善乳腺癌的预后预测。这种方法可以减少不必要的化疗，提供更个性化和准确的治疗方案。该研究的综合数据集和未来目标旨在改进乳腺癌的诊断和治疗。

       

西北医学的人工智能工具目标是更精确的乳腺癌预后，旨在最大限度地减少不必要的化疗。

• 人工智能工具可以减少在社区环境中诊断的患者的差异

• 非癌细胞在维持或抑制癌细胞生长方面发挥着重要作用

• 八分之一的美国女性一生中会被诊断出患有乳腺癌

一种新的人工智能(AI)工具可能通过使用更精确的预测结果的方法，使乳腺癌患者免于不必要的化疗。这是根据一项新的西北医学研究得出的结论。

       

人工智能对患者组织的评估比病理学专家的评估更能预测患者疾病的未来进程。

该人工智能工具能够识别目前被归类为高风险或中等风险但成为长期幸存者的乳腺癌患者。这意味着他们的化疗时间或强度可以减少。这一点很重要，因为化疗伴随着令人不快和有害的副作用，如恶心，或者更罕见的，对心脏的损害。

人工智能的综合方法

目前，病理学家通过评估病人组织中的癌细胞来决定治疗方法。但研究表明，非癌细胞的模式在预测预后方面非常重要。

       

这是首次使用人工智能对浸润性乳腺癌的癌性和非癌性因素进行综合评估的研究。

“我们的研究证明了非癌症因素在决定患者预后方面的重要性，”该研究的相应作者、西北大学范伯格医学院病理学副教授李·库珀说。“这些元素的重要性已经从生物学研究中得知，但这些知识还没有有效地转化为临床应用。”

这项研究将发表在今天(11月27日)的《自然医学》杂志上。

2023年，大约30万美国女性将被诊断为浸润性乳腺癌。大约八分之一的美国女性在她们的一生中会被诊断出患有乳腺癌。

       

在诊断过程中，病理学家检查癌变组织以确定组织的异常程度。这个过程被称为分级，主要关注癌细胞的外观，几十年来基本保持不变。由病理学家确定的分级用于帮助确定患者将接受何种治疗。

许多关于乳腺癌生物学的研究表明，非癌细胞，包括来自免疫系统的细胞和为组织提供形态和结构的细胞，在维持或抑制癌症生长方面发挥着重要作用。

库珀和同事们建立了一个人工智能模型，通过数字图像来评估乳腺癌组织，该模型可以测量癌细胞和非癌细胞的外观，以及它们之间的相互作用。

库珀也是西北大学罗伯特·h·卢里综合癌症中心的一名成员，他说:“病理学家很难对这些模式进行评估，因为人眼很难对它们进行可靠的分类。”“人工智能模型测量这些模式，并以一种让病理学家清楚人工智能决策过程的方式向病理学家提供信息。”

       

人工智能系统分析了患者乳房组织的26种不同特性，以生成总体预后评分。该系统还生成癌症细胞、免疫细胞和基质细胞的个体评分，向病理学家解释总体评分。例如，在一些患者中，良好的预后评分可能是由于他们的免疫细胞的特性，而对其他人来说，可能是由于他们的癌细胞的特性。这些信息可以被病人的护理团队用来制定个性化的治疗计划。

库珀说，采用这种新模型可以为被诊断为乳腺癌的患者提供更准确的疾病风险估计，使他们能够在临床护理方面做出明智的决定。

此外，该模型可能有助于评估治疗反应，允许根据组织的显微外观如何随时间变化而增加或减少治疗。例如，该工具可能能够识别患者免疫系统在化疗期间靶向癌症的有效性，从而可用于缩短化疗的持续时间或强度。

库珀说:“我们也希望这种模式可以减少在社区环境中诊断的患者的差异。”“这些患者可能无法接触到专门研究乳腺癌的病理学家，而我们的人工智能模型可以帮助一位多面手病理学家评估乳腺癌。”

       

研究是如何进行的

这项研究是与美国癌症协会(ACS)合作进行的，该协会通过癌症预防研究创建了一个独特的乳腺癌患者数据集。该数据集代表了来自美国423个县的患者，其中许多人在社区医疗中心接受了诊断或治疗。这一点很重要，因为大多数研究通常使用的数据来自大型学术医疗中心，而这些中心只代表美国人口的一部分。在这次合作中，西北大学开发了人工智能软件，而美国癌症学会和国家癌症研究所的科学家提供了乳腺癌流行病学和临床结果方面的专业知识。

为了训练人工智能模型，科学家们需要在患者组织的数字图像中生成数十万个人类生成的细胞和组织结构注释。为了实现这一目标，他们在几大洲建立了一个由医学生和病理学家组成的国际网络。这些志愿者在几年的时间里通过一个网站提供这些数据，使人工智能模型能够可靠地解释乳腺癌组织的图像。

接下来，科学家们将对该模型进行前瞻性评估，以验证其临床应用。与此同时，西北医学院将在未来三年内过渡到使用数字图像进行诊断。

科学家们还在努力开发更具体类型的乳腺癌模型，如三阴性或her2阳性。浸润性乳腺癌包括几个不同的类别，重要的组织模式可能在这些类别中有所不同。

       

库珀说:“这将提高我们预测结果的能力，并将进一步深入了解乳腺癌的生物学。”

参考文献:“用于增强浸润性乳腺癌预后的人群水平数字历史生物标志物”，2023年11月27日，《自然医学》。DOI: 10.1038 / s41591 - 023 - 02643 - 7

其他西北大学的作者包括Mohamed Amgad Tageldin, Kalliopi Siziopikou和Jeffery Goldstein。

本研究由美国国立卫生研究院国家癌症研究所资助U01CA220401和U24CA19436201。