新的人工智能技术集成了多种数据类型来预测癌症结果

虽然人们早就知道，预测癌症患者的预后需要考虑很多因素，如患者的病史、基因和疾病病理，但临床医生很难将这些信息整合起来，以便对患者的治疗做出决定。来自布里格姆妇女医院马哈茂德实验室的研究人员的一项新研究揭示了一个概念验证模型，该模型使用人工智能(AI)结合来自不同来源的多种类型的数据，预测14种不同类型癌症的患者预后。研究结果发表于癌症细胞．

专家们依赖于几种数据来源，如基因组测序、病理和患者病史，来诊断和预测不同类型的癌症．虽然现有的技术使他们能够使用这些信息来预测结果，但手动集成来自不同来源的数据具有挑战性，专家们经常发现自己在进行主观评估。

“专家们分析了许多证据来预测病人的表现，”Faisal Mahmood博士说，他是布里格姆计算病理学部门的助理教授，也是哈佛和麻省理工学院布罗德研究所癌症项目的副成员。“这些早期检查成为决定是否参加临床试验或特定治疗方案的基础。但这意味着这种多模态预测发生在专家的层面上。我们正试图通过计算来解决这个问题。”

通过这些新的AI模型，Mahmood和同事们发现了一种方法，可以通过计算集成多种形式的诊断信息，从而产生更准确的结果预测。人工智能模型展示了做出预后判断的能力，同时也揭示了用于预测患者风险的特征的预测基础，这一特性可用于发现新的生物标志物。

研究人员使用癌症基因组图谱(TCGA)建立模型，TCGA是一个公开的资源，包含许多不同类型癌症的数据。然后，他们开发了一种基于多模态深度学习的算法，能够从多个预测信息学习数据源．通过首先为组织和基因组数据创建单独的模型，他们可以将技术融合成一个集成实体，提供关键的预后信息。最后，他们评估了模型通过向它输入14种癌症类型的数据集以及患者的组织学和基因组数据，研究了该公司的疗效。结果表明，该模型比那些只包含单一信息来源的模型产生了更准确的患者预后预测。

本研究强调，利用人工智能整合不同类型的临床信息数据来预测疾病预后是可行的。Mahmood解释说，这些模型可以让研究人员发现包含不同临床因素的生物标志物，并更好地了解诊断不同类型癌症所需的信息类型。研究人员还定量研究了每种诊断模式对单个癌症类型的重要性，以及综合多种模式的好处。

人工智能模型还能够阐明驱动预后预测的病理和基因组特征。研究小组发现，模型使用患者的免疫反应作为预后标记，而没有经过训练，考虑到之前的研究表明，这是一个值得注意的发现病人那些肿瘤引起更强免疫反应的人往往会有更好的结果。

虽然这个概念验证模型揭示了人工智能技术在癌症治疗中的新作用，但这项研究只是在临床应用这些模型的第一步。在临床应用这些模型需要合并更大的数据集，并在大型独立测试队列上进行验证。展望未来，Mahmood的目标是整合更多类型的患者信息，如放射学扫描、家族史和电子医疗记录，并最终将该模型引入临床试验。

Mahmood说:“这项工作为更大规模的医疗保健人工智能研究奠定了基础，这些研究结合了来自多个来源的数据。”“从更广泛的意义上说，我们的研究结果强调了建立计算病理学预后模型的必要性，需要使用更大的数据集和下游临床试验来建立实用性。”

---

---