研究人员利用人工智能来预测胰腺癌的风险
【中美创新时报2024年1月26日波士顿讯】（记者温友平编译）利莫尔·阿佩尔鲍姆（Limor Appelbaum ）医生见过太多的病人，他们的致命疾病的第一个迹象来得太晚了。利莫尔·阿佩尔鲍姆博士是贝斯以色列女执事医疗中心的放射肿瘤学家和研究员，她正在利用人工智能来识别更多患有胰腺癌和其他致命癌症的高风险人群。《波士顿环球报》记者菲利斯·J·弗雷耶（Felice J. Freyer）对此作了如下报道。
通常，眼睛发黄是由于黄疸，这是由胰腺上的癌性肿瘤引起的，该肿瘤已经长得很大，压迫到了胆管系统。到了这一步，我们已经无能为力了。贝斯以色列女执事医疗中心的科学家阿佩尔鲍姆说：“我们真正能为他们提供的只是可以延长几个月生命的东西”和舒适护理。
被诊断患有胰腺癌的人五年后仍然存活，只有 11%。
但有一组患者的预后较好，即极少数因具有已知遗传风险而接受疾病筛查的胰腺癌患者。 如果癌症发现得足够早，高达 80% 的患者可以存活五年。
他们是唯一已知有风险的人，仅占胰腺癌患者的 10%。 当然，还有更多的高风险人群可以从早期预警中受益，阿佩尔鲍姆希望找到他们。她认为人工智能可以提供帮助，六年前，她与麻省理工学院的计算机科学与人工智能实验室合作。
去年年底，该组织报告称，它已经开发出计算机模型，能够识别比当前标准多 3.5 倍的高风险人群。这些模型梳理了大量的电子健康记录，以梳理出那些后来患上胰腺癌的人的常见模式，例如血液化学变化或更频繁的就诊。
这项研究于上个月发表在《柳叶刀》上，有望将可从筛查中受益的胰腺癌患者群体从 10% 扩大到 35%。该小组希望其模型最终能够帮助检测其他难以发现的癌症（例如卵巢癌）的风险。
尽管前景广阔，但该方法仍需要在临床上得到验证。
洛杉矶雪松-西奈生物医学科学系副教授克里斯蒂·全（Christie Jeon ）表示，这项研究因其人群的多样性和考虑的大量潜在风险因素而引人注目，但该模型仍然遗漏了很多患者。研究重点是癌症的早期检测，但谁没有参与麻省理工学院的项目。
“这种模式让我们更加接近，”全说，“但它本身无法立即实施。”
阿佩尔鲍姆承认，即使模型按预期发挥作用，65% 的继续发展为胰腺癌的患者也不会从早期检测中受益。“但目前，我们还缺少 90%，”阿佩尔鲍姆说。 “所以这是一个很大的进步……这意味着拯救数千人的生命。”
阿佩尔鲍姆和麻省理工学院的团队并不是第一个使用人工智能预测胰腺癌的人。(她）他们甚至不是波士顿第一批这样做的人。去年五月，哈佛医学院和达纳法伯癌症研究所的一个团队报告了人工智能系统使用丹麦和退伍军人管理局医疗保健系统的数据得出的类似结果。
哈佛医学院系统生物学教员克里斯·桑德（Chris Sander ）表示：“两篇论文都指出了与基于家庭风险和遗传倾向的标准筛查相比，使用这些人工智能方法的优势。” 他参与麻省理工学院的研究。
桑德说，麻省理工学院的研究“特别有趣，因为他们能够访问大量真实世界的患者记录。” 他还说，研究人员证明，无论种族或地理位置如何，他们的预测都是正确的。
桑德表示，他与阿佩尔鲍姆的工作让他充满乐观，认为人工智能最终可以帮助控制胰腺癌，这是癌症死亡的第三大原因，尽管这种情况很少见。
胰腺负责消化和调节血糖，它是一个6英寸长的器官，深埋在腹部，检查时很难感觉到，甚至在影像学检查中也很难看到。当癌症出现时，它会悄悄地发生：癌前病变静静地酝酿数年，然后，就像沸腾一样，爆发成全面的癌症并迅速扩散。
人们确实有症状——他们可能会患上糖尿病，或者在没有尝试的情况下体重减轻，或者出现胃痛。但这些症状更有可能是由罕见癌症以外的原因引起的。
“由于这是一种罕见的疾病，大多数初级保健医生都不会想到这一点，”阿佩尔鲍姆说，她不再看病人，但曾在以色列担任放射肿瘤学家。她说，最终目标是利用人工智能，当患者出现表明高风险的症状和因素的精确组合时，向初级保健医生发出警报。
最近研究的一个主要组成部分是该小组与 TriNetX 的合作，TriNetX 是一家位于剑桥的公司，拥有来自世界各地医疗保健组织的标准化和去识别化电子病历的庞大数据库。这使得研究人员能够纳入比之前研究中使用的更加多样化的人群。
这些由人工智能驱动的程序对来自美国 55 个医疗保健组织的匿名患者记录进行了整理，并研究了 35,000 名胰腺癌患者和 150 万名非胰腺癌患者。这些模型几乎跟踪了这些患者与医疗保健系统的每一次互动，重点关注来自人口统计、诊断、药物和实验室测试结果的 87 个特征，以确定区分那些继续发展为胰腺癌的患者的特征组合。
接下来，研究人员在模拟中测试了这些发现。他们挑选出2020年之前属于这一高危人群的个人记录，然后追踪他们在接下来的18个月内是否患上胰腺癌。该模型的表现符合预期，识别出的高危人群比标准方法多 3.5 倍。
现在，该团队正在研究下一个可以说是最关键的挑战：证明该模型的预测在展望未来时是正确的。使用相同的 TriNetX 数据库，他们为 600 万人分配了“风险评分”，他们正在等待观察有多少人以及哪些人患上胰腺癌。由于记录已被去识别化，研究人员不知道也永远不会知道这些人是谁。
与此同时，贝斯以色列女执事正在对其自己的患者进行一项前瞻性研究。那些被模型标记的人被要求提供血液和唾液样本，这最终可能有助于查明胰腺癌的其他迹象。措辞谨慎的请求并不意味着这些患者面临更高的风险，因为目前仍不确定。
为什么不现在就筛选这些人呢？
“这个模型是实验性的，我真的不知道它的效果如何，”阿佩尔鲍姆说。 “我最不想做的就是让很多人感到恐慌…… 其中很多人都是误报。他们永远不会患上癌症。”
此外，胰腺癌筛查也不是小事。患者每年接受 MRI 扫描或内窥镜超声检查，通常在学术医疗中心进行。它们是昂贵且耗时的程序。对于那些目前因遗传倾向而被认为是高风险的人来说，这可不是一件容易的事。阿佩尔鲍姆说：“他们每年都会接受这些检查，每年都会感到担忧，”但其中 95% 的人从未患上癌症。
与此同时，该研究的资深作者、麻省理工学院电气工程和计算机科学系教授马丁·里纳德 (Martin Rinard) 表示，麻省理工学院团队已经针对肾癌调整了该模型，并正在考虑将其应用于其他难以发现的癌症，例如卵巢癌。
他说：“将其应用于多种癌症的范围非常广阔。”
题图：利莫尔·阿佩尔鲍姆（Limor Appelbaum ）博士是贝斯以色列女执事医疗中心的放射肿瘤学家和研究员，他正在利用人工智能来识别更多患有胰腺癌和其他致命癌症的高风险人群。 SUZANNE KREITER/GLOBE STAFF
