癌癥是全球第二大死亡原因，傳統(tǒng)的醫(yī)療保健模式不再能夠滿足患者日益多樣化的需求。醫(yī)療保健專業(yè)人員正在尋求創(chuàng)新模式以提高對癌癥發(fā)生、發(fā)展、診斷、預(yù)防和治療的理解。其中隨著科學(xué)技術(shù)的飛速發(fā)展，人工智能（AI）成為癌癥領(lǐng)域的研究熱點。AI通過數(shù)學(xué)算法模擬人類的認知能力，解決困難的醫(yī)療保健挑戰(zhàn)，AI在過去十年用于臨床決策的數(shù)據(jù)呈指數(shù)增長，被證明是超智能優(yōu)化決策的潛在平臺。隨著常規(guī)護理中多維數(shù)據(jù)的增加，AI可以支持臨床醫(yī)生沿著護理路徑形成患者的個性化視圖，并用于指導(dǎo)臨床決策。這些決策依賴于整合不同的復(fù)雜數(shù)據(jù)流，包括臨床表現(xiàn)、患者病史、腫瘤病理學(xué)、基因組學(xué)和醫(yī)學(xué)成像等。
AI包括機器學(xué)習(xí)（ML) 和深度學(xué)習(xí)（DL）。其中ML是 AI 的子集，應(yīng)用數(shù)學(xué)和統(tǒng)計方法來提高計算機的性能。DL是ML的子集，其特征是具有多層人工神經(jīng)網(wǎng)絡(luò)的操作。用于模仿人腦的數(shù)據(jù)處理能力，以識別圖像，對象，處理語言，改善藥物發(fā)現(xiàn)，升級精準藥物，改善診斷并協(xié)助人類做出決策。本文將對AI在癌癥中的應(yīng)用現(xiàn)狀進行總結(jié)，以供參考學(xué)習(xí)。
高性能的ML/DL算法可以通過學(xué)習(xí)整個轉(zhuǎn)錄組的模式來克服標準計算方法的局限性。AI應(yīng)用于分析大量多組學(xué)數(shù)據(jù)（外顯子組，轉(zhuǎn)錄組和表觀基因組）并結(jié)合臨床注釋數(shù)據(jù)集，進一步實現(xiàn)藥物敏感性基因的鑒定、變異檢測、RNA剪接位點的預(yù)測等。例如，已經(jīng)發(fā)現(xiàn)使用全轉(zhuǎn)錄組RNA測序數(shù)據(jù)并結(jié)合多個腫瘤譜的ML方法可以準確識別癌癥狀態(tài)并將其與正常細胞區(qū)分;它對罕見的癌癥類型表現(xiàn)良好，并在預(yù)測腫瘤起源部位方面顯示出實用性。
● 基于成像的ML模型可用于預(yù)測癌癥患者的生存結(jié)果，如局部復(fù)發(fā)、遠處復(fù)發(fā)和死亡率。例如，多種新興的基于成像的ML模型可預(yù)測胰腺癌患者的臨床結(jié)果，包括總生存率和無病生存率。未來，這些信息可能會推動癌癥幸存者的個性化護理，包括監(jiān)測和優(yōu)化策略以防止腫瘤復(fù)發(fā)。目前，基于成像的ML模型已被證明具有預(yù)測腫瘤病理學(xué)和基因組改變的潛力?？稍谖磳嶋H采樣的情況下提供診斷和生物標志物信息，從而實現(xiàn)“虛擬活檢”。例如，針對膠質(zhì)母細胞瘤，正在開發(fā)基于無創(chuàng)成像的模型，該模型可預(yù)測腫瘤內(nèi)的遺傳改變并影響臨床管理。
人工智能的持續(xù)發(fā)展可能徹底改變未來醫(yī)療保健專業(yè)人員診斷、治療和管理疾病的方式。鑒于該領(lǐng)域的發(fā)展速度以及人工智能在癌癥科學(xué)中的許多潛在應(yīng)用，人工智能將在未來十年徹底改變腫瘤學(xué)，降低我們衛(wèi)生系統(tǒng)的脆弱性和護理成本。但AI在醫(yī)療保健和癌癥的應(yīng)用中存在亟待解決的挑戰(zhàn)。如缺乏對數(shù)據(jù)收集和管理的標準化，模型的前瞻性臨床驗證有限，訓(xùn)練數(shù)據(jù)集中的固有偏見，缺乏監(jiān)管和法律框架等。未來應(yīng)對這些挑戰(zhàn)所需的人員和資源投資應(yīng)與推動人工智能技術(shù)創(chuàng)新的投資同時進行。
Copyright ? 2022 上海科雷會展服務(wù)有限公司 旗下「智慧醫(yī)療網(wǎng)」版權(quán)所有 ICP備案號：滬ICP備17004559號-5
