哈佛推出癌症诊断AI 准确率达96%

【留美学子】第3399期

11年国际视角精选

仰望星空·脚踏实地

【陈屹视线】教育·人文·名家文摘

哈佛推出全新类ChatGPT

癌症诊断AI，

登上Nature！准确率高达96%

来源 新智元 编辑：静音

近日，来自哈佛医学院等机构的科学家们开发了一种名为CHIEF（Clinical Histopathology Imaging Evaluation Foundation，临床组织病理学成像评估基础）的多功能AI癌症诊断模型。

并于9月4日登上「Nature」。

值得一提的是，尽管最近出现了其他用于医学诊断的病理图像基础AI模型，但CHIEF是第一个能够预测患者预后并在多个国际患者群体中验证的模型。

工作原理

当前，大多数AI癌症诊断系统通常被训练来执行特定任务。例如，检测癌症的存在，或分析肿瘤的基因特征，且通常仅适用于少数几种癌症类型。

通过读取肿瘤组织的数字切片，它可以检测癌细胞并根据图像中观察到的细胞特征分析肿瘤的基因特征。

此外，还可以预测多种癌症类型的患者生存率，并精确定位肿瘤周围组织的特征，即肿瘤微环境。这些特征与患者对手术、化疗、放疗和免疫治疗等标准治疗的反应有关。

更进一步的，CHIEF还具有生成新见解的潜力——它发现了此前未被认为与患者生存相关的特定肿瘤特征。

论文主要作者，哈佛医学院Blavatnik研究所生物医学信息学助理教授Kun-Hsing Yu

模型训练与表现

首先，CHIEF在1500万张未标记的图像上进行训练，这些图像被分成多个模型可能需要特别关注的部分。

然后，CHIEF在6万张全切片图像上进行了训练，其中包括肺、乳腺、前列腺、结肠、胃、食管、肾脏、脑、肝、甲状腺、胰腺、宫颈、子宫、卵巢、睾丸、皮肤、软组织、肾上腺和膀胱等组织的全切片图像。

这种训练方法，使得模型不仅关注图像的局部，还能够结合整个图像，将某一局部的特定变化与整体联系起来。从而，CHIEF在进行癌症分析时能够考虑更广泛的背景信息，更全面地解读图像，而不是仅仅专注于某个特定区域。

训练完成后，研究团队在19400多张全切片图像上测试了CHIEF的性能。这19400多张全切片图像来自全球24家医院和患者群体中收集的32个独立数据集。

无论肿瘤细胞是通过活检还是手术切除获得，CHIEF的表现都同样出色。无论使用何种技术对癌细胞样本进行数字化处理，它的准确性也同样高。

研究人员表示，这种适应性使CHIEF能够在不同的临床环境中使用，而当前大部分AI癌症诊断模型通常只能在通过特定技术获取的组织中表现良好。

CHIEF的4种应用

癌症检测

CHIEF在癌症检测中的准确率达到了近94%，测试涵盖了15个数据集，其中包含11种癌症类型。

在另一个涵盖5个活检数据集的测试中，CHIEF达到了96%的准确率，其中包括食道、胃、结肠和前列腺在内的多种癌症类型检测。

当研究人员用数据集之外的手术切除肿瘤切片来测试CHIEF时，模型的准确率超过了90%。

分析肿瘤的基因特征

肿瘤的基因构成包含了未来肿瘤发展和最佳治疗方案的关键线索。为了获取这些信息，肿瘤学家通常会对肿瘤样本进行 DNA测序。

但由于将样本送往专业的DNA测序实验室需要一定的成本和时间，世界各地普遍没有进行常规的详细的基因组分析。即使是在资源充足的地区，这一过程也可能需要数周时间。

不过，这是AI可以填补的空白。

CHIEF还检测到了特定的DNA模式，这些模式与结肠肿瘤对一种称为免疫检查点抑制的免疫疗法的反应效果相关。

研究团队使用CHIEF模型来预测特定基因突变，这些突变与FDA（美国食品药品监督管理局）批准的靶向治疗方法的效果有关。研究涉及的18个基因分布在人体的15个不同解剖部位。

CHIEF在多种癌症类型中都达到了高准确率。在检测一种名为弥漫性大B细胞淋巴瘤的血液癌症中的EZH2基因突变时，CHIEF达到了96%的准确率；在检测甲状腺癌中的BRAF基因突变时，CHIEF的准确率达到了89%；在检测头颈部癌症中的NTRK1基因突变时，准确率为91%。

CHIEF 在预测癌症类型的组织病理学图像中的基因突变状态方面取得了很高的成绩

预测患者生存率

基于初次诊断时获得的肿瘤组织病理图像，CHIEF能够成功预测患者的生存期。

总体上，CHIEF预测高风险和低风险死亡率的能力在来自17家不同机构的患者样本中得到了测试和验证。

在所有研究的癌症类型和患者群体中，CHIEF能够区分长期生存的患者和短期生存的患者。CHIEF的表现比其他模型好8%。

在患有晚期癌症的患者中，CHIEF的表现比其他AI模型高出10%。

为了可视化特定的区域，CHIEF在图像上生成了热图。当人类病理学家分析这些由AI生成的热点时，他们发现了一些反映癌细胞与周围组织相互作用的有趣信号。

模型注意力的可视化显示了肺癌患者生存预测中的重要区域

其中一个特征是，在长期生存者的肿瘤区域中，免疫细胞的数量比短期生存者更多。Yu指出，这一发现有其合理性，因为更多的免疫细胞可能表明免疫系统已被激活来攻击肿瘤。

这些肿瘤周围还有更多的死亡细胞。例如，在乳腺肿瘤中，CHIEF指出组织内的坏死（或细胞死亡）是一个需要关注的区域。另一方面，生存率较高的乳腺癌患者肿瘤周围，更有可能保持类似于健康组织的细胞结构。

研究团队指出，与生存率相关的视觉特征和需要关注的区域因癌症类型而异。

参考资料：

https://scitechdaily.com/96-accuracy-harvard-scientists-unveil-revolutionary-chatgpt-like-ai-for-cancer-diagnosis/

https://hms.harvard.edu/news/new-artificial-intelligence-tool-cancer

近期发表

令我厌恶的特朗普 为何赢了

“姜萍事件”的反转 告诉我们什么

卧薪尝胆之城 名士辈出

老师对母亲的反驳 让孩子成为学霸不费劲

我的出生 救了同性恋爸爸的命

艳遇杭州

当权者半个世纪的弥天大谎

俄国为何喜欢苦难教育

愿这个时代绝版！永不再复制

被泰坦尼克号改变命运的女富豪

祖国向他道歉三次 最应获诺奖却无缘...

一个是非·人伦·正邪·乾坤颠倒的时代

雨夜惊魂 我的真实经历

名校之路-父母如何匹配儿女未来

访谈千位世界高人的她 收获了什么

留学安全须知·实用大全

精选汇编 ↓↓↓ 百篇尽

【名校之路】过来人的教训与秘籍

【陈屹视线】人物篇·我问故我在

【穿越访谈】世界华人系列

【王妃传奇】皇冠越重 幸福感越轻

好评如潮的《触摸美国》系列

曼哈顿女人的征服《亲吻世界》精选

【极光文学大讲堂】名家璀璨

【带你深度游世界】

喜欢就点“赞吧↓↓↓↓ ↓