哈佛大学医学院和国立成功大学的研究人员创建了一个新的人工智能模型，可以帮助医生对结直肠癌患者的治疗和预后做出更明智的决定，结直肠癌是全世界癌症死亡的第二大原因。这种新工具可以准确地预测结肠直肠肿瘤的侵袭性，疾病复发和不复发的可能性，以及病人的最佳疗法，只需分析肿瘤样本的图像，即癌细胞的显微镜描述。

结肠癌是一种影响大肠（结肠）的癌症。它是全世界第三大最常见的癌症，也是美国癌症死亡的第二大原因。结肠癌的症状可能包括腹痛、肠道习惯的改变和直肠出血。

拥有一个能够回答此类问题的工具可以帮助临床医生和患者驾驭这种狡猾的疾病，即使在具有类似疾病特征并接受相同治疗的人群中，这种疾病的表现也往往不同--并且最终可以使每年被结直肠癌夺走的100万条生命中的一些人免于死亡。

关于该团队工作的报告最近发表在《自然通讯》杂志上。

研究人员说，该工具是为了加强而不是取代人类的专业知识。

研究报告的共同第一作者、HMS的Blavatnik研究所生物医学信息学助理教授Kun-Hsing Yu说："我们的模型能完成人类病理学家仅靠图像观察无法完成的任务。Yu领导了一个由病理学家、肿瘤学家、生物医学信息学家和计算机科学家组成的国际团队。"

Yu补充说："我们预期的不是取代人类的病理专业知识，而是增强人类病理学家能做的事情。我们完全期待这种方法将增强目前的癌症管理的临床实践。"

研究人员提醒说，任何一个病人的预后都取决于多种因素，没有一个模型可以完美地预测任何特定病人的生存。然而，他们补充说，如果临床医生根据该工具的评估预测病人的预后较差，那么这个新模型可能有助于指导他们更密切地随访，考虑更积极的治疗，或推荐测试实验性疗法的临床试验。

研究人员指出，该工具在我国和世界各地资源有限的地区可能特别有用，因为这些地区可能不容易获得先进的病理学和肿瘤基因测序。

这款新工具超越了许多当前的人工智能工具，它们主要执行复制或优化人类专业知识的任务。相比之下，新工具可以检测和解释显微镜图像上人眼无法辨别的视觉模式。

该工具被称为MOMA（代表多组学多队评估），可免费提供给研究人员和临床医生。

广泛的训练和测试

该模型从近2000名结直肠癌患者身上获得的信息进行了训练，这些患者来自不同的国家患者队列，共包括45万名参与者--健康专家随访研究、护士健康研究、癌症基因组图谱计划和美国国立卫生研究院的Phttp://www.196nk.cnLCO（前列腺、肺、结直肠和卵巢）癌症筛选试验。

在训练阶段，研究人员向模型提供了关于患者年龄、性别、癌症阶段和结果的信息。他们还向模型提供了关于肿瘤的基因组、表观遗传学、蛋白质和代谢概况的信息。

然后，研究人员向该模型展示了肿瘤样本的病理图像，并要求它寻找与肿瘤类型、基因突变、表观遗传学改变、疾病进展和患者生存有关的视觉标记。

研究人员随后测试了该模型在"真实世界"中的表现，给它提供了一组它以前没有见过的来自不同病人的肿瘤样本的图像。他们将其性能与实际的病人结果和其他可用的临床信息进行了比较。

该模型准确地预测了患者诊断后的总生存期，以及其中有多少年是无癌症的。

该工具还准确地预测了个别病人对不同疗法的反应，其依据是病人的肿瘤是否存在特定的基因突变，使癌症更容易或更不容易进展或扩散。

在这两个方面，该工具的表现都超过了人类病理学家和目前的人工智能模型。

研究人员说，随着科学的发展和新数据的出现，该模型将进行定期升级。

Yu说："对于任何人工智能模型，我们持续监测其行为和性能是至关重要的，因为我们可能会看到疾病负担分布的转变，或有助于癌症发展的新环境毒素。重要的是在新的和更多的数据出现时用这些数据来增强模型，以便其性能永远不会落后。"

辨别蛛丝马迹的模式

新模型利用了肿瘤成像技术的最新进展，这些技术提供了前所未有的细节，但人类评估人员仍然无法辨别。基于这些细节，该模型成功地确定了肿瘤的侵略性如何以及它对特定治疗的反应可能性如何的指标。

仅仅基于图像，该模型还指出了与特定基因突变的存在或不存在有关的特征--这通常需要对肿瘤进行基因组测序。测序可能既费时又费钱，特别是对那些没有常规服务的医院来说。

研究人员说，正是在这种情况下，该模型可以在资源有限的环境中或在没有肿瘤组织可用于基因测序的情况下为治疗选择提供及时的决策支持。在将该模型部196世界之最署到诊所和医院使用之前，应该在一项前瞻性的随机试验中对其进行测试，评估该工具在最初诊断后一段时间内对实际患者的表现。这样的研究将为该模型的能力提供黄金标准的证明，通过直接比较该工具在现实生活中仅使用图像的表现与人类临床医生的表现，后者使用的知识和测试结果是该模型无法获得的。

该模型的另一个优势是其透明的推理。如果使用该模型的临床医生询问它为什么做出某个预测，该工具将能够解释它的推理和它使用的变量。

这一特点对于提高临床医生对他们使用的人工智能模型的信心非常重要。

衡量疾病的发展ySFtvMsl和最佳治疗

该模型准确地指出了与生存差异有关的图像特征。

例如，它确定了三种预示着更坏结果的图像特征：

肿瘤内的细胞密度更大。

肿瘤细胞周围存在结缔支持性组织，称为基质。

肿瘤细胞与平滑肌细胞的相互作用。

该模型还确定了肿瘤基质内的模式，表明哪些病人更有可能活得更久而不http://www.196nk.cn复发。

该工具还准确地预测了哪些患者会从一类被称为免疫检查点抑制剂的癌症治疗中受益。虽然这些疗法对许多结肠癌患者有效，但有些患者没有可衡量的好处，而且有严重的副作用。该模型因此可以帮助临床医生定制治疗方案，并使那些不会受益的患者免于受益。

该模型还成功检测了与结肠癌相关的表观遗传变化。这些变化--当被称为甲基的分子附着在DNA上并改变该DNA的行为方式时就会发生--已知会使抑制肿瘤的ySFtvMsl基因沉默，导致癌症迅速生长。该模型识别这些变化的能力标志着它能够为治疗选择和预后提供信息的另一种方式。