科技日?qǐng)?bào)記者 張夢(mèng)然
在生活工作中，人們已能感受到生成式AI的強(qiáng)大。但除了覆蓋到日常生活，還有一類領(lǐng)域也正在被AI模型悄悄改變——醫(yī)學(xué)中的癌癥診斷。
革命性的轉(zhuǎn)變就在眼前?，F(xiàn)在，美國(guó)哈佛醫(yī)學(xué)院、斯坦福大學(xué)和布萊根婦女醫(yī)院聯(lián)合團(tuán)隊(duì)設(shè)計(jì)了一種多功能的、類似ChatGPT的AI模型，能對(duì)多達(dá)19種癌癥作出精確診斷。在近日出版的《自然》雜志上，對(duì)這種全新一代AI進(jìn)行了詳細(xì)介紹。和目前大多數(shù)AI診斷方法相比，新的AI“癌癥專家”向前邁進(jìn)了一大步。
可以說，它既是AI發(fā)展過程中的里程碑，也是癌癥診療界一次質(zhì)的飛躍。
具備大語(yǔ)言模型的靈活性
目前的癌癥診斷AI，通常被訓(xùn)練來執(zhí)行“特定任務(wù)”，如檢測(cè)某種癌癥是否存在，或預(yù)測(cè)某種腫瘤基因圖譜。這些AI通過識(shí)別和訓(xùn)練之后，可在較短時(shí)間內(nèi)判斷組織樣本是否存在腫瘤，也能部分預(yù)測(cè)腫瘤組織的侵襲性。
這些AI僅能在少數(shù)腫瘤類型中進(jìn)行有限的診斷和預(yù)測(cè)。AI工程師認(rèn)為，這遠(yuǎn)未發(fā)揮出AI的全部實(shí)力。
相比之下，新一代AI具有與ChatGPT等大型語(yǔ)言模型一樣的靈活性，可執(zhí)行廣泛的任務(wù)。研究人員用其在19種癌癥類型中進(jìn)行了測(cè)試。
雖然近期已出現(xiàn)了其他基于病理圖像的醫(yī)學(xué)診斷基礎(chǔ)AI模型，但據(jù)信，這是第一個(gè)能預(yù)測(cè)患者結(jié)果并在國(guó)際患者群體中得到驗(yàn)證的模型。
該AI模型通過讀取腫瘤組織的數(shù)字幻燈片來工作。它可根據(jù)圖像上看到的細(xì)胞特征檢測(cè)癌細(xì)胞，預(yù)測(cè)腫瘤的分子特征，其準(zhǔn)確度高于大多數(shù)當(dāng)前AI系統(tǒng)。它可預(yù)測(cè)多種癌癥的患者生存率，并準(zhǔn)確定位腫瘤周圍組織的特征，這些特征與患者對(duì)手術(shù)、化療、放療和免疫療法等標(biāo)準(zhǔn)治療的反應(yīng)有關(guān)。
換句話說，在此前未知的、與患者生存相關(guān)的腫瘤特征領(lǐng)域，AI工具似乎產(chǎn)生了新的“見解”。
擁有超越“前輩”的準(zhǔn)確率
研究人員將新模型命名為CHIEF，是“臨床組織病理學(xué)成像評(píng)估基礎(chǔ)”之意。它首先要用1500萬(wàn)張未標(biāo)記圖像進(jìn)行訓(xùn)練，然后，再基于6萬(wàn)張全切片圖像進(jìn)行進(jìn)一步訓(xùn)練，樣本包括肺部、胃部、結(jié)腸、大腦、肝臟、胰腺和腎上腺皮質(zhì)等19種組織。通過訓(xùn)練模型查看圖像的特定部分和整個(gè)圖像，它能將一個(gè)區(qū)域的變化與整體背景聯(lián)系起來。
這種方法，使CHIEF能比“前輩”AI都更善于考慮廣泛背景。而這種全面解讀，幾乎帶來了圖像診療學(xué)的飛躍。
為了證明CHIEF并非“虛有其表”，團(tuán)隊(duì)利用來自全球24家醫(yī)院和患者群體的32個(gè)獨(dú)立數(shù)據(jù)集中的19400多張全幻燈片圖像，測(cè)試了其性能。
CHIEF在癌癥檢測(cè)方面實(shí)現(xiàn)了近94%的準(zhǔn)確率。在從獨(dú)立隊(duì)列收集的5個(gè)活檢數(shù)據(jù)集中，CHIEF在食道、胃、結(jié)腸和前列腺等多種癌癥類型中的準(zhǔn)確率達(dá)到96%。當(dāng)團(tuán)隊(duì)利用手術(shù)切除的結(jié)腸、肺癌、乳腺癌、子宮內(nèi)膜和宮頸腫瘤等未見過的樣本測(cè)試CHIEF時(shí)，準(zhǔn)確率也超過90%。
總體而言，CHIEF診斷的準(zhǔn)確率比現(xiàn)在最先進(jìn)的AI方法高出36%，且不僅是癌細(xì)胞檢測(cè)，還有腫瘤來源判斷、患者結(jié)果預(yù)測(cè)，以及對(duì)治療反應(yīng)相關(guān)基因的識(shí)別。
由于其進(jìn)行過多功能訓(xùn)練，無(wú)論腫瘤細(xì)胞是通過活檢還是手術(shù)切除獲得，CHIEF的判斷都同樣出色。而且，無(wú)論使用何種技術(shù)將癌細(xì)胞樣本數(shù)字化，它的準(zhǔn)確性都一樣高。這種適應(yīng)性使它可用于不同的臨床環(huán)境。
將是病理科醫(yī)生的好幫手
值得注意的是，腫瘤的基因組成，其實(shí)是決定其未來“行為”和最佳治療方法的關(guān)鍵線索。
現(xiàn)在，AI的能力結(jié)合人類病理學(xué)醫(yī)生的經(jīng)驗(yàn)，能以前所未有的快速、經(jīng)濟(jì)的方式，高效識(shí)別圖像上提示特定基因組畸變的細(xì)胞模式。
在查看全組織圖像時(shí)，CHIEF能以超過70%的總體準(zhǔn)確率識(shí)別54種常見的癌癥基因突變。對(duì)于特定癌癥類型的特定基因，它的準(zhǔn)確率更高。為了更好地協(xié)助人類醫(yī)生，AI在圖像識(shí)別之后，會(huì)可視化這些重點(diǎn)區(qū)域，并反映出癌細(xì)胞與周圍組織之間的相互作用，再生成“熱圖”。當(dāng)人類病理學(xué)家分析這些AI得出的熱點(diǎn)時(shí)，那些值得注意的信號(hào)就會(huì)非常醒目。
這進(jìn)一步凸顯出AI可提高臨床醫(yī)生有效、準(zhǔn)確評(píng)估癌癥的能力。
但即使是這樣革命性的診療AI，也遠(yuǎn)不是十全十美。
科學(xué)家正在計(jì)劃進(jìn)一步提高它的性能，方法則是一組接一組的“特訓(xùn)”：對(duì)罕見疾病和非癌癥組織圖像進(jìn)行額外訓(xùn)練；用細(xì)胞完全癌變之前的癌前組織樣本進(jìn)行訓(xùn)練；向模型提供更多分子數(shù)據(jù)，以增強(qiáng)其識(shí)別不同侵襲程度癌癥的能力……
在“特訓(xùn)”后，AI不僅能幫助人類醫(yī)生診斷癌癥，優(yōu)化治療方案，還能預(yù)測(cè)那些層出不窮的新型癌癥療法的益處和副作用，真正幫助醫(yī)生和患者少走彎路。
