一项新的研究显示，一项新的计算机程序可以分析患者肺部肿瘤的图像，指明癌症类型，甚至可以识别导致异常细胞生长的改变基因。
 
该研究由纽约大学医学院的研究人员领导并在线发表在“自然医学”杂志上，发现一种人工智能（AI）或“机器学习”程序可以区分出腺癌和鳞状细胞癌之间97％的准确性-两个经历过病理学家的肺癌类型有时难以在没有确认测试的情况下进行解析。
 
人工智能工具还能够确定与肺癌相关的6种基因的异常形式-包括EGFR，KRAS和TP53-是否存在于细胞中，其准确度范围为73％至86％，具体取决于基因。这种遗传变化或突变通常会导致癌症中出现异常生长，但也可以改变细胞的形状和与周围环境的相互作用，为自动分析提供视觉线索。
 
研究人员表示，确定每种肿瘤中哪些基因发生变化对于增加靶向治疗的使用变得至关重要，这些治疗仅对具有特定突变的癌细胞起作用。例如，已知大约20％的腺癌患者在基因表皮生长因子受体或EGFR中具有突变，现在可以用批准的药物治疗。
 
但研究作者表示，目前用于确认突变存在的基因检测可能需要数周时间才能恢复结果。
 
“延迟癌症治疗的开始从来都不是好事，”高级研究作者，纽约大学朗格尼尔森林癌症中心病理学系副教授Aristotelis Tsirigos博士说。“我们的研究提供了强有力的证据，证明AI方法能够立即确定癌症亚型和突变谱，从而使患者能够更快地开始针对靶向治疗。”
 
机器学习
 
在目前的研究中，研究团队设计了统计技术，使他们的计划能够“学习”如何在任务中变得更好，但却没有被告知究竟如何。这些程序构建规则和数学模型，使得能够基于数据示例进行决策，随着训练数据量的增长，程序变得“更加智能”。
 
受大脑中神经细胞网络启发的较新的人工智能方法使用越来越复杂的电路来分层处理信息，每一步都将信息输入下一步，并在此过程中为每条信息分配或多或少的重要性。
 
目前的团队训练了一个深度卷积神经网络，谷歌的Inception v3，来分析从癌症基因组图谱获得的幻灯片图像，这是一个已经确定的癌症诊断图像的数据库。这让研究人员可以测量他们的程序是如何训练的，以准确和自动地对正常组织与患病组织进行分类。
 
有趣的是，该研究发现，研究AI程序错误分类的小部分肿瘤图像中，约有一半也被病理学家错误分类，突出了区分两种肺癌类型的难度。另一方面，研究中至少一名病理学家错误分类的54张图像中有45张被机器学习程序指定为正确的癌症类型，这表明AI可以提供有用的第二意见。
 
“在我们的研究中，我们很高兴能够提高病理学家的准确度，并表明AI可以发现癌细胞及其周围组织的可见特征中以前未知的模式，”共同作者Narges Razavian博士说。放射学与人口健康系助理教授。“数据和计算能力之间的协同作用正在创造前所未有的机会，以改善医学实践和科学。”
 
展望未来，该团队计划继续使用数据对其AI程序进行培训，直到它能够确定哪些基因在特定癌症中突变，准确度超过90％，此时他们将开始寻求政府批准在临床上使用该技术，并且几种癌症类型的诊断。