數(shù)字化生物標(biāo)志物檢測(cè)，能夠幫助臨床醫(yī)生在癌癥治療中做出明智和個(gè)性化的決策。然而，截至2023年，市場(chǎng)上還少有此類產(chǎn)品被大面積地成熟利用。
人工智能（AI）正在迅速推動(dòng)數(shù)字腫瘤學(xué)發(fā)展。
一項(xiàng)由24名擁有第一手計(jì)算病理學(xué)/病理AI（CPath/AI）經(jīng)驗(yàn)的專家參與的共識(shí)報(bào)告稱，AI將提高診斷準(zhǔn)確性，病理技術(shù)人員的日常任務(wù)將發(fā)生重大變化。到2030年，AI將在病理實(shí)驗(yàn)室中得到常規(guī)且有效的使用。
近期發(fā)表在《柳葉刀》（The Lancet）子刊《eBiomedicine》和《柳葉刀-數(shù)字健康》（The LancetDigital Health）的兩項(xiàng)獨(dú)立研究，分別著眼于：基于深度學(xué)習(xí)的腫瘤浸潤(rùn)淋巴細(xì)胞（TILs，可作為治療癌癥的藥物靶標(biāo)）評(píng)分系統(tǒng)，在黑色素瘤（一種皮膚癌癥）不同時(shí)期的預(yù)后意義；以及將AI作為獨(dú)立讀取器，用于乳房X光檢查工作流程的價(jià)值。
兩項(xiàng)針對(duì)不同癌癥的研究
第一項(xiàng)研究由德國(guó)圖賓根大學(xué)（University Of Tuebingen）皮膚科、德國(guó)海德堡大學(xué)（University of Heidelberg）皮膚科和美國(guó)耶魯大學(xué)醫(yī)學(xué)院（Yale University School of Medicine）病理學(xué)系等機(jī)構(gòu)的研究人員共同完成。在該研究中，研究人員使用深度學(xué)習(xí)算法NN192（一種為標(biāo)準(zhǔn)和數(shù)字化TILs評(píng)分系統(tǒng)“eTILs”而開發(fā)的算法），對(duì) 321個(gè)原發(fā)性黑色素瘤和 191個(gè)轉(zhuǎn)移性樣本進(jìn)行分析。
研究人員發(fā)現(xiàn)，eTILs低評(píng)分的黑色素瘤患者，發(fā)生癌癥組織遠(yuǎn)處轉(zhuǎn)移的風(fēng)險(xiǎn)是eTILs高評(píng)分患者的兩倍以上，同時(shí)，從原發(fā)性黑色素瘤到轉(zhuǎn)移瘤樣本之間的eTILs評(píng)分降低。eTILs評(píng)分≤12.2%，同時(shí)接受抗PD-1免疫療法治療的患者，其生存結(jié)果不良。這證明eTILs對(duì)原發(fā)性黑色素瘤樣本具有預(yù)測(cè)作用，并且eTILs可以預(yù)測(cè)接受PD-1治療患者的反應(yīng)和生存結(jié)果。
對(duì)此，國(guó)際免疫腫瘤生物標(biāo)志物工作組（International Immuno-Oncology Biomarker Working Group）聯(lián)合主席Roberto Salgado表示，免疫細(xì)胞的準(zhǔn)確定量涉及預(yù)后和預(yù)測(cè)信息，對(duì)臨床途徑和定制治療計(jì)劃很重要。此外，相較人工評(píng)估，計(jì)算機(jī)的評(píng)估結(jié)果要準(zhǔn)確得多。
第二項(xiàng)研究由瑞典卡羅林斯卡學(xué)院（karolinska institute）腫瘤病理學(xué)系和瑞典Capio Sankt Gran醫(yī)院的Karin Dembrower及其團(tuán)隊(duì)完成。
在這項(xiàng)研究中，研究團(tuán)隊(duì)基于Capio Sankt Gran醫(yī)院從2021年4月1日到2022年6月9日的定期乳腺癌篩查工作，將55581名40-74歲未填充乳房植入物的女性納入研究。研究遵循瑞典乳房X 光檢查國(guó)家指南（Swedish National Guidelines for mammography screening），即由兩名放射科醫(yī)生對(duì)每名參與者的乳房X 光圖像進(jìn)行獨(dú)立評(píng)估，并在任何一人讀片異常的情況下進(jìn)行共識(shí)討論，決定是否進(jìn)行進(jìn)一步的影像學(xué)檢查。如果進(jìn)一步檢查依然懷疑患者患有癌癥，則獲取活檢樣本，由病理學(xué)家對(duì)活檢進(jìn)行分析并作出明確診斷。
研究中，在兩名放射科醫(yī)生讀片的同時(shí)，Insight MMG（一個(gè)AI系統(tǒng)）作為一個(gè)獨(dú)立閱讀器在后臺(tái)運(yùn)行。在共識(shí)討論之前，放射科醫(yī)生無(wú)法訪問(wèn) Insight MMG 獲取信息，共識(shí)討論中，放射科醫(yī)生可以訪問(wèn) Insight MMG 所有病例的信息，包括任何局部圖像發(fā)現(xiàn)、圖形輪廓和相應(yīng)的AI異常評(píng)分。
研究團(tuán)隊(duì)進(jìn)行了四種讀片策略，分別考察了兩名放射科醫(yī)生雙讀（標(biāo)準(zhǔn)情況）、一名放射科醫(yī)生和AI系統(tǒng)雙讀、AI系統(tǒng)單讀，以及兩名放射科醫(yī)生和AI系統(tǒng)三讀的實(shí)際診斷結(jié)果。結(jié)果顯示，與標(biāo)準(zhǔn)情況相比，一名放射科醫(yī)生和AI系統(tǒng)雙讀的癌癥檢出率增加了4%，召回率降低了4%；AI系統(tǒng)單讀的癌癥檢出率沒(méi)有明顯差別，召回率降低了47%；兩名放射科醫(yī)生和AI系統(tǒng)三讀略微提高了癌癥檢出率，召回率提高了5%，并且共識(shí)討論多了近50%。
研究團(tuán)隊(duì)表示，AI系統(tǒng)和人類在讀片時(shí)會(huì)將某些不同的圖像特征視為可疑癌癥，因此人類和AI系統(tǒng)進(jìn)行協(xié)同作用，能夠提高乳房X 光檢查中乳腺癌的檢出率。AI系統(tǒng)單讀能夠最大程度降低參與者因多次檢查引起的心理負(fù)擔(dān)，但這意味著很大一部分乳房X 光檢查永遠(yuǎn)不會(huì)由醫(yī)生進(jìn)行評(píng)估。兩名放射科醫(yī)生和AI系統(tǒng)三讀能夠最大程度檢測(cè)癌癥，然而這必須與檢測(cè)成本增加、放射科醫(yī)生短缺等問(wèn)題進(jìn)行平衡。
市場(chǎng)仍需不斷發(fā)展
Roberto Salgado表示，數(shù)字化生物標(biāo)志物檢測(cè)，能夠幫助臨床醫(yī)生在癌癥治療中做出明智和個(gè)性化的決策。然而，截至2023年，市場(chǎng)上還少有此類產(chǎn)品被大面積地成熟利用。
當(dāng)?shù)貢r(shí)間9月7日，美國(guó)癌癥診斷技術(shù)研發(fā)商Paige.AI 宣布與美國(guó)科技公司微軟（Microsoft）合作構(gòu)建世界上最大的基于圖像的AI 模型，并將其應(yīng)用于數(shù)字病理學(xué)和腫瘤學(xué)的發(fā)展。
無(wú)獨(dú)有偶，當(dāng)?shù)貢r(shí)間9月11日，美國(guó)科技公司戴爾（Dell）與愛(ài)爾蘭利默里克大學(xué)（University of Limerick）數(shù)字癌癥研究中心聯(lián)手開發(fā)AI平臺(tái)和數(shù)字孿生技術(shù)，以推動(dòng)B 細(xì)胞淋巴瘤的預(yù)測(cè)和診斷研究。
“這是一個(gè)非常令人興奮的開始，我們期待戴爾技術(shù)團(tuán)隊(duì)的數(shù)字支持能加速此項(xiàng)目推進(jìn)。”利默里克大學(xué)分子病理學(xué)教授、數(shù)字癌癥研究中心數(shù)字病理學(xué)部門科學(xué)主任Paul Murray說(shuō)，“通過(guò)與戴爾技術(shù)團(tuán)隊(duì)的合作，我們將能夠進(jìn)一步了解細(xì)胞在癌癥發(fā)展過(guò)程中是如何出錯(cuò)的，并找到診斷和治療癌癥患者的新方法。”
