Owkin突破性成果 联合学习癌症组织病理图像实现精准治疗【精准肿瘤资讯19】
《Nature Medicine》发表了Owkin的突破性成果，基于联合学习，在保证数据安全和隐私保护的前提下，首次对存储于多家医院的组织病理数据深度学习模型进行训练。
Owkin借助存储于法国四家大型医院的数据建立了人工智能模型，可准确预测三阴性乳腺癌（TNBC）患者对新辅助化疗的反应。AI技术增加了从数字组织病理图像中提取定量信息的能力，可找到潜在的新型生物标志物。未来将有助于指导患者接受毒副作用更小的治疗或参与临床试验，实现个性化治疗。
该项目利用联合学习——一种协作人工智能框架，通过Owkin的开源软件Substra保护数据隐私和安全，以超级账本技术使每个操作都可溯源。该研究首次利用来自多家医院的组织病理数据训练机器学习模型，而这些数据不必出医院系统。
这项研究利用法国巴黎居里研究所、里昂Léon Bérard中心、Gustave Roussy研究所和IUCT Oncole的650例患者数字病理数据和临床信息，是迄今为止联合学习分析领域最大的TNBC队列之一。
Owkin创新性地利用联合学习，使得制药公司可在保护用户隐私、数据安全和出于竞争考虑的同时，开展药物研究开发合作。今年发表的MELLODY项目研究成果，证实了基于人工智能的联合学习开发药物的可行性。除了解决用户隐私和安全问题，联合学习还简化了数据治理流程，消除“信息孤岛”，促进更多的合作研究。
Owkin高级机器学习科学家Jean du Terrail表示：
感谢合作伙伴，很高兴能够对真实世界的医疗数据进行联合分析，并首次实现了对组织病理数据的分析。通过联合学习与医疗机构建立连接，可基于人工智能，预测三阴性乳腺癌对治疗应答的组织病理特征及临界范围。
我们希望，这一概念鼓励更多的医疗机构加入联合学习网络，以便在保护患者数据隐私的同时推进研究。
法国巴黎居里研究所首席数据官Julien Guérin表示：
随着联合学习基础框架的部署，代表了基于人工智能开展癌症研究的尖端技术。我们真的很高兴能参与这次冒险，希望能够为未来的患者治疗带来希望。
法国IUCT Oncole病理学家、法国巴黎居里研究所的前任病理学家Guillaume Bataillon博士表示：
通过这种多学科合作，证明了联合学习整合多家医院数据的可行性。能够以安全、快捷的方式集合异构数据源，以开发可复制、可转移甚至可解释的模型。开发治疗决策工具。
法国里昂Léon Bérard中心的肿瘤学家Pierre Etienne Heudel博士说：
数字病理学的兴起，加上不同的机器学习技术的爆发，可实现更加精准的个体化医疗。
数字病理学和人工智能代表了病理学界的第三次革命，病理学家们很高兴能够在引领这一新的变革。联合学习在数字病理领域开创了人工智能研究的先河，使我们在确保数据隐私和安全的同时，识别肿瘤中的生物标志物。
法国图卢兹IUCT Oncopole病理学家Camille Franchet博士说：
通过使人工智能模型能够训练多中心数据而无需集中化，联合学习克服了医疗数据机器学习中的主要障碍，保护数据不出域，每个用户的数据停留本地。
关于Owkin
Owkin是一家人工智能生物技术公司，旨在基于人工智能帮助每位患者选择合适的治疗策略。致力于弥合生物制药和学术研究协同创新的挑战，并缩小复杂生物学机制和新药研发转化之间的差距。
通过人工智能发现识别潜在的新兴治疗方法，降低风险并加快临床试验进度，建立改善患者预后的诊断工具。Owkin开创性的借助人工智能框架-联合学习，在保护患者隐私、确保数据安全的前提下，助力医疗机构和生物制药合作伙伴能够从“数据孤岛”中获得有价值的信息。
Owkin于2016年由肿瘤学博士Thomas Clozel和生物学机器学习领域的先驱Gilles Wainrib共同创立。
参考资料
1. Ogier du Terrail, J., Leopold, A., Joly, C. et al. Federated learning for predicting histological response to neoadjuvant chemotherapy in triple-negative breast cancer. Nat Med 29, 135–146 (2023). https://doi.org/10.1038/s41591-022-02155-w
2. Nature Medicine publishes breakthrough Owkin research on the first ever use of federated learning to train deep learning models on multiple hospitals’ histopathology data
