人工智能算法可避免60%不必要胰腺囊肿的手术 | 智能医疗

发布日期:2019-08-02 10:00
专家说,结合临床医学和分子数据的人工智能机器学习算法是“未来的潮流。



一名男子走进医生办公室对他的胆囊进行CT扫描。胆囊很好,但医生注意到男人的胰腺上有一个囊状的液体袋。医生告诉他,这是一种可能导致癌症的囊肿,因此我需要将其切除以确保安全。

医生补充说,这需要三个月的时间才能从手术中恢复过来,手术并发症的几率为50%,并且该男子将有5%的几率死于手术台。

据估计,美国每年有800,000名患者被诊断出患有胰腺囊肿,而且医生没有办法确定哪些囊肿有致命的癌症,哪些是良性的。这种模糊不清导致成千上万次不必要的手术:一项研究发现,高达78%的患者被转诊至手术的囊肿最终没有癌变。

现在有一种机器学习算法可以提供帮助。约翰斯·霍普金斯大学的外科医生和计算机科学家今天在“ 科学转化医学 ”杂志上描述了一项名为CompCyst(用于综合性囊肿分析)的测试,该测试明显优于当今的标准护理--医生观察和医学成像 --预测是否应将患者送回家、监测或接受手术。

“我们对此结果感到非常兴奋,” 约翰霍普金斯Kimmel癌症中心胰腺囊肿计划主任Anne Marie Lennon在关于这项研究的新闻发布会上说。她希望在6到12个月内为Hopkins患者提供测试,并希望在更大的前瞻性临床试验后将其推向市场。

研究作者,Kimmel癌症中心外科肿瘤学主任克里斯托弗沃尔夫冈说,绝大多数胰腺囊肿都是良性的,但现在医生都在追踪它们。“我们需要跟踪所有患者,数十万患者的数量级,昂贵且在某些情况下进行侵入性检查,以找到那些将会发展为癌症的患者。”随访测试可能涉及辐射暴露和并发症他补充说,并且引起焦虑。

Lennon,Wolfgang和其他人开始构建一种筛查患者信息的工具,以期找出区分低风险和高风险囊肿的模式。为此,他们从霍普金斯的数百名患者和世界各地的15个医疗中心收集了数据,这些医疗中心被诊断出患有囊肿,然后接受手术切除。手术后,检查每个囊肿并将其分类为无风险、风险小或进展为癌症的高风险。

该团队的测试CompCyst专注于一种称为MOCA的机器学习算法,用于多变量组合变更组织,该算法将分子数据(包括DNA突变和染色体变化)与提取的囊肿液和成像测试中的蛋白质信息相结合。

该团队使用来自436名患者的数据训练该算法,然后在426名患者的第二组独立数据上进行测试。霍普金斯大学的博士后研究员,共同作者Marco Dal Molin 说,该算法测试了数百万个数据点组合,以高灵敏度和高特异性预测正确的治疗途径。 

CompCyst的表现优于医生今天在所有三个患者群体中使用的标准治疗:测试正确预测了60%应该被送回家的患者(相比之下,19%使用标准治疗),49%的患者应该已被监测(相对于34%),91%的患者需要手术(而不是89%)。

总体而言,研究人员估计,如果使用CompCyst来决定对这些患者的护理,其中60%至74%(取决于囊肿的类型)将避免不必要的手术。

利用机器学习结合临床和遗传特征是“未来的浪潮,不仅可以告知临床判断胰腺囊肿,还可以了解许多其他疾病。”共同作者,路德维希中心肿瘤学教授兼联合主任Bert Vogelstein说。在霍普金斯。

Vogelstein和另外两位合着者最近联合创办了一家名为Thrive Earlier Detection的公司,该公司已获得CompCyst的商业开发许可。