原發(fā)灶不明癌癥（CUP）是一類“經(jīng)過詳細(xì)檢查，但始終無法確認(rèn)癌癥原發(fā)灶”的轉(zhuǎn)移性癌癥統(tǒng)稱，在所有癌癥患者中占比1%-2%。這類患者往往會經(jīng)歷各種各樣的檢查，但最終只能依據(jù)經(jīng)驗聯(lián)合使用放化療，經(jīng)濟(jì)負(fù)擔(dān)較重而且普遍預(yù)后較差，中位生存時間僅為2.7-16個月。
一直以來，研究者都在利用基因組學(xué)技術(shù)尋找CUP的起源，但研究結(jié)果往往不盡人意。同時，基因組學(xué)檢測對于CUP患者來說也是一項不小的經(jīng)濟(jì)負(fù)擔(dān)。因此，如何實現(xiàn)對原發(fā)灶不明癌癥的溯源，是醫(yī)學(xué)界長期面臨的挑戰(zhàn)。
得益于人工智能(AI)的發(fā)展，現(xiàn)如今，通過將AI圖像識別技術(shù)和醫(yī)學(xué)影像資料相結(jié)合，在多個醫(yī)學(xué)影像讀片或診斷任務(wù)中，AI已經(jīng)能夠達(dá)到甚至超越專業(yè)醫(yī)生的水平。近日，來自哈佛大學(xué)的研究人員就實現(xiàn)了AI與癌癥診療的完美結(jié)合。
研究人員通過學(xué)習(xí)大量患者的蘇木精伊紅染色（H＆E）病理切片，以弱監(jiān)督的方式訓(xùn)練出一個CNN模型（命名為TOAD）。在讀取一張病理切片后，TOAD能夠?qū)θ梭w的18種組織進(jìn)行預(yù)測打分，通過對預(yù)測分?jǐn)?shù)進(jìn)行排序，可以找到癌癥最可能的組織來源。
研究人員從公共數(shù)據(jù)庫和百翰婦女醫(yī)院中收集了來自29107名患者的32537張H&E染色切片，分別標(biāo)記為18種原發(fā)癌源。按照70%、10%、20%的比例劃分為訓(xùn)練，驗證和測試數(shù)據(jù)。通過反復(fù)的訓(xùn)練和優(yōu)化模型，TOAD在測試數(shù)據(jù)中的Top-1準(zhǔn)確率為83.4%，Top-3準(zhǔn)確率為95.5%，Top-5準(zhǔn)確率已經(jīng)能夠達(dá)到98.1%。
為了探究TOAD是否具有普適性，研究者又從223家醫(yī)學(xué)中心收集了682名患者的數(shù)據(jù)進(jìn)行預(yù)測。在這些數(shù)據(jù)中，TOAD的Top-1準(zhǔn)確率為79.9%，Top-3準(zhǔn)確率為93.4%，表現(xiàn)依然十分出色。
此外，研究人員又從152家醫(yī)學(xué)中心收集了743名患者的數(shù)據(jù)，這些患者均在診療過程中的某一個時段被診斷為CUP，其中的317名患者經(jīng)歷徹底的臨床和輔助檢查之后，最終確定了腫瘤來源。研究者選擇了這317名患者的切片進(jìn)行原發(fā)灶預(yù)測。
結(jié)果表明，雖然TOAD對于這些數(shù)據(jù)的Top-1準(zhǔn)確率下降到了60.6%，但是Top-5準(zhǔn)確率仍能達(dá)到92.1%。這說明即使是面對臨床中最難診斷的CUP患者，TOAD仍可通過讀取病理切片有效縮小癌癥的可能來源。
未來，如果這項研究投入臨床使用，那么僅需一張普通的病理切片，醫(yī)生就能圈定原發(fā)灶不明癌癥的范圍，這不僅可以大幅減輕腫瘤科醫(yī)生的工作難度，也可提高診療的準(zhǔn)確性和效率性。
