《HARVARD热点研究》——人工智能预测未来的胰腺癌

人工智能模型在诊断前长达三年内发现风险最高的人

人工智能工具可在实际诊断前三年识别出胰腺癌风险最高的人群。研究结果表明人工智能有望用于大规模筛查，以帮助加快对经常被严重延误的侵袭性疾病的诊断。胰腺癌是世界上最致命的癌症之一，其死亡人数预计还会增加。

哈佛医学院和哥本哈根大学的研究人员与退伍军人管理局合作进行的一项新研究表明，一种人工智能工具仅使用患者的医疗记录，在诊断前三年内成功识别出胰腺癌风险最高的人 波士顿医疗保健系统、达纳法伯癌症研究所和哈佛大学 T.H. 陈公共卫生学院。

该研究结果于 5 月 8 日发表在《自然医学》杂志上，表明基于人工智能的人群筛查对于发现患病风险较高的人群可能很有价值，并且可以加快对疾病的诊断，这种疾病经常在治疗效果较差且处于晚期阶段时发现。 研究人员表示，结果令人沮丧。 胰腺癌是世界上最致命的癌症之一，其死亡人数预计还会增加。

目前，还没有基于人群的工具来广泛筛查胰腺癌。 那些有家族史和某些易患胰腺癌的基因突变的人会受到有针对性的筛查。 但研究人员表示，这种有针对性的筛查可能会漏掉不属于这些类别的其他病例。

研究人员表示：“临床医生每天面临的最重要的决定之一是谁是疾病的高风险人群，以及谁将从进一步的检测中受益，这也可能意味着更具侵入性和更昂贵的手术，而这些手术本身也存在风险。” - 高级研究员 Chris Sander，HMS 布拉瓦尼克研究所系统生物学系教员。 “人工智能工具可以将那些胰腺癌风险最高的人归零，他们将从进一步的测试中受益最多，这可能对改善临床决策大有帮助。”桑德补充说，大规模应用这种方法可以加快胰腺癌的检测速度，实现早期治疗，改善预后并延长患者的寿命。研究共同高级研究员、疾病系统生物学教授兼研究主任 Søren Brunak 表示：“许多类型的癌症，尤其是那些难以早期识别和治疗的癌症，对患者、家庭和整个医疗保健系统造成了不成比例的损失。” 哥本哈根大学诺和诺德基金会蛋白质研究中心布鲁纳克说：“基于人工智能的筛查是改变胰腺癌发展轨迹的一个机会，胰腺癌是一种侵袭性疾病，很难在成功机会最高的情况下进行早期诊断和及时治疗。”

在这项新研究中，人工智能算法在来自丹麦和美国的两个独立数据集上进行了训练，数据集总计 900 万条患者记录。 研究人员“要求”人工智能模型根据记录中包含的数据寻找蛛丝马迹。根据疾病代码的组合及其发生时间，该模型能够预测哪些患者将来可能患上胰腺癌。 值得注意的是，许多症状和疾病代码与胰腺没有直接关系或源于胰腺。研究人员测试了不同版本的人工智能模型，以检验它们在不同时间范围（6 个月、一年、两年和三年）内检测疾病发展风险较高人群的能力。

总体而言，每个版本的人工智能算法在预测谁会患上胰腺癌方面，比目前对全人群疾病发病率的估计（定义为特定时间段内某种疾病在人群中发生的频率）要准确得多。 研究人员表示，他们相信该模型在预测疾病发生方面至少与当前的基因测序测试一样准确，而当前的基因测序测试通常仅适用于数据集中的一小部分患者。

“愤怒的器官”

某些常见癌症（例如乳腺癌、宫颈癌和前列腺癌）的筛查依赖于相对简单且高效的技术——分别是乳房X光检查、子宫颈抹片检查和血液检查。这些筛查方法通过确保在最可治疗的阶段进行早期发现和干预，改变了这些疾病的结果。相比之下，胰腺癌的筛查和检测难度更大、成本更高。 医生主要关注家族史和基因突变的存在，这些虽然是未来风险的重要指标，但往往会漏掉许多患者。

该人工智能工具的一个特殊优势是，它可以用于任何和所有有健康记录和病史的患者，而不仅仅是那些已知有该疾病家族史或遗传倾向的患者。 研究人员补充说，这一点尤其重要，因为许多高危患者甚至可能不知道自己的遗传倾向或家族史。在没有症状且没有明确迹象表明某人患有胰腺癌的高风险的情况下，临床医生可能会谨慎地推荐更复杂和更昂贵的检测，例如 CT 扫描、MRI 或内窥镜超声检查。

当使用这些测试并发现可疑病变时，患者必须接受活检以获得活检。 该器官位于腹部深处，很难接近，而且很容易刺激和发炎。 它的烦躁性使它赢得了“愤怒的器官”的绰号。研究人员表示，一种识别胰腺癌风险最高人群的人工智能工具将确保临床医生对正确的人群进行测试，同时避免其他人进行不必要的测试和额外的程序。大约 44% 的早期胰腺癌患者在诊断后可存活 5 年，但只有 12% 的病例能这么早被诊断出来。 研究人员估计，肿瘤生长超出原发部位的患者的存活率会下降至 2% 至 9%。桑德说：“尽管手术技术、化疗和免疫疗法取得了显着进步，但存活率仍然很低。” “因此，除了复杂的治疗之外，显然还需要更好的筛查、更有针对性的测试和更早的诊断，而基于人工智能的方法正是这一连续体中第一个关键步骤。”

以上内容来源于Harvard ：AI Predicts Future Pancreatic Cancer | Harvard Medical School