人工智能对癌症治疗的优势与进展

几乎每天都有令人兴奋的消息传出,说人工智能有望治愈癌症。只是几个例子的速度发现和技术发展的希望与这些类型包括最近的一项研究,详细说明机器学习技术可以加速雌激素受体阳性乳腺癌的识别,基于图像的技术学习发现基因突变的肺癌根据样品的外观和基于ai皮肤癌肿瘤诊断工具,比经验丰富的病理学家。有了这些进步,人工智能有望成为癌症检测、鉴定和治疗的未来。

几家初创公司都急于利用这一趋势,导致近期有其他新闻报道称,人工智能系统旨在帮助医生诊断癌症,并预测结果,但可能尚未准备好。最近的报告指出,著名的人工授精癌症检测系统IBM Watson用于肿瘤学,是根据合成的病人记录而不是广告中宣传的真实病例进行训练的,而且根据泄露的内部文件,它产生了“不安全和错误的治疗建议”。

一个潜在的巨大市场,可以完全破坏癌症治疗是如何交付——表明,目前,AI的承诺似乎很聪明,但还有很长的路要走这样的技术将变得司空见惯在诊所和一个更广阔的海湾横在我们进入一个时代,进行机器会取代人类诊断和预言家。

人工智能在医疗保健中的未来作用——尤其是在癌症的诊断和治疗方面——可能会采取多种形式。从诊断一种特定类型的癌症到确定哪种治疗方法可能最好地治疗该特定病例,人工智能承诺改善癌症护理的个性化,并帮助人们以更高的生活质量和更少的副作用来应对这种疾病。

有一种技术已经显示出了很大的前景,它使用谷歌AI工具,根据活检过程中采集的肺癌组织图像,识别肿瘤中的基因突变。纽约大学医学院(New York University School of Medicine)病理学副教授、应用生物信息学实验室(Applied Bioinformatics Laboratories)主任亚里斯多德•西里戈斯(aristotle Tsirigos)领导了一项研究,该研究表明,这个特殊项目可能比病理学家更出色,并解释了这项技术模仿人类大脑的工作方式。这种被称为神经网络或深度学习的人工智能方法最初是在1944年提出的,在过去10年左右的时间里得到了显著扩展。简而言之,这些类型的人工智能系统依赖于一种算法——一种复杂的计算程序——处理输入系统的大量数据。随着时间的推移,它学习了所有导入的数据,在某些情况下甚至可以开始推断出它没有直接被传授的东西——因此有了“深度学习”或“机器学习”这个术语。

这个训练时期,在此期间,被送入图像算法,需要一个人的努力老师,但是随着时间的推移,随着越来越多的数据集都是进口的,算法“学习”寻找什么,如何使自己的决策和假设的方式实际上开始图出来,人类的大脑根本没有能力的过程。

“在过去10年里,出现了很多技术,最著名的是基因测序,这意味着产生了很多数据集。因此,现在我们似乎是在利用人工智能收集(这些数据),“并以更深入、交叉参照的方式分析它,比第一次人工引导的数据传递能够产生的更详细和更多的信息。”随着更多的原始数据集变得可用,“人工智能变得重要是因为数据的大小。对于较小规模的数据,您不需要人工智能——您可以使用常规的统计数据。但如果你有大数据,那么你就必须使用人工智能来获得好处。

Tsirigos说,如果我们不能“产生更多的数据或更多的数据模式”,我们目前的数据生产方法最终将导致人工智能的能力停滞不前。我想接下来会发生什么,也许几年之后我们会说人工智能探索了我们现在拥有的所有数据集,“我们需要新的更好的方法来获得更有意义的数据。他说,这个领域将不得不与实验室程序的进化“携手并进”来收集这些数据。

Tsirigos说,如果数据生产技术停滞不前,联合数据方法的突破仍可能产生结果,或为不同问题提供更好的答案,比如针对特定癌症的最佳靶向治疗方案是什么。探索所有潜在的药物组合排列是另一个可能的未来研究领域,它可以为最佳治疗方案和患者结局提供更好的见解。

“能够做出诊断,甚至预测突变是一回事,但真正的问题是:你能预测临床结果吗?比如,对特定疗法的反应、精准治疗或生存的反应?”这些是Tsirigos和他的团队正在研究的重要问题,而回答其中一些问题的前进道路可能在于如何将数据集生成的方法和演进结合起来。“我们不会局限于一种数据类型。理想的情况是,你有很多不同类型的数据给一个病人,你把所有这些数据结合到你的模型中,预测“他们在某种药物治疗上的表现如何”。这些数据可能包括成像数据,提供基因突变信息的基因测序数据,然后这些数据可以与基于这些基因突变预测预后相关。“我们没有理由不把测序、成像、核磁共振和血液检测的所有信息结合起来。”他说,我们所能整合的一切都有助于为个别病人制定更精确的护理计划。

人工智能在帮助病人处理癌症治疗的副作用方面也有应用。美国西海岸一家大型癌症研究中心最近与微软合作,希望开发一种以人工智能为驱动的设备,帮助那些正在接受化疗的癌症患者在病情全面爆发前,通过检测并发症的细微迹象,将其排除在急诊室之外。

主任斯科特•拉姆齐博士西雅图哈钦森癌症结果研究所说,伙伴关系旨在利用HICOR和微软的优势团队开发一个可穿戴的跟踪设备或智能手机应用程序,将监测化疗病人的副作用,“之前更好地管理它们成为坏到足以急诊室的访问。其目标是将Fred Hutch的临床和数据科学专业知识与微软的人工智能/机器学习技术相结合,以提高患者的健康水平,同时降低医疗成本。

这是一个大目标,而试点项目才刚刚开始。拉姆齐说,研究小组正在研究哪些指标需要跟踪,但心率、体温、能量消耗和其他代谢信息等关键信息可能会被收集和分析,以发现可能预示着即将出现问题的细微变化。

“几乎所有的这些问题,人们在对化疗毒性相关的ER可能可以预防如果医生知道病人越来越麻烦了(可能)患者采取更恶心医学或水合物之前自己惹麻烦,”拉姆齐说,并补充道,“在患者化疗,其中一半是在急诊室或医院。”美国疾病控制与预防中心(Centers for Disease Control and Prevention)估计,每年约有65万人在美国的一家肿瘤门诊接受化疗。让更多的病人离开医院可以节省很多钱,并为这些病人提供更好的生活质量。

开发一个远程监控系统,该系统将提醒医生对病人健康的变化是一个令人兴奋的想法,可以转化为真正的改善保健成千上万的人,更不用说在国家层面上节约大量成本——如果可以执行的技术开发人员希望它的方式。

拉姆齐警告说,尽管有时人们可能觉得未来已经到来,但围绕人工智能、机器学习以及这些技术可能已经对癌症的诊断和治疗产生了革命性影响的讨论,还远远没有达到预期的效果。在我们合理地期待机器做出诊断或决定最好的治疗方案之前,还有很多工作要做。

拉姆齐说:“我们并不幻想一切都会很容易,或者我们知道所有的答案。”“但这是乐趣的一部分——弄清楚一切。”将各个部分组合在一起并让技术跟上概念需要时间。“并不是说会有一场彻底的革命。我们将在这里和那里取得胜利,我相信让化疗患者离开急诊室是可以实现的。我和其他人一样不确定我们需要了解的所有事情,”但有了稳定、有条理的工作,真正耐心的收获可能是可以实现的。“我认为从长远来看,这些技术将帮助医生和病人。”

相关新闻

联系我们

4001-608-602

工作时间:周一至周五,9:00-17:30,节假日休息

QR code